Upload
others
View
2
Download
0
Embed Size (px)
Citation preview
Master Thesis im Rahmen des
Universitätslehrganges „Geographical Information Science & Systems“ (UNIGIS MSc) am Zentrum für GeoInformatik (Z_GIS)
der Paris Lodron- Universität Salzburg
zum Thema
„Orthorektifizierung von IKONOS- Szenen als Grundlage für die GIS- Datenerfassung
im Gebiet der Pampa von Nasca/Peru“
vorgelegt von
Dipl.-Ing. (FH) Christiane Richter U1232, UNIGIS MSc 2005
Zur Erlangung des Grades „Master of Science (Geographical Information Science & Systems) – MSc(GIS)“
Gutachter: Ao. Univ. Prof. Dr. Josef Strobl
Dresden, 28. Mai 2007
Vorwort
Vorwort
„So gibt es hier unendlich viele Rätsel, Sachen die noch gar nicht erforscht sind, und dies gerade trägt
dazu bei, meine Begeisterung für dieses wunder-bare Land nie abflauen zu lassen und immer
wieder den Geist und die Neugier rege zu halten.“ (Brief: M. REICHE an ihre Mutter, 1932)
Dass Nasca im Zentrum dieser Arbeit stehen sollte, war von Anbeginn des Studiums
klar. Die Frage nach einem interessanten Thema hingegen gestaltete sich schon etwas
schwieriger, denn schließlich gab es bereits eine ganze Menge von Diplom- und
Studienarbeiten, Projekt- und Praktikumsthemen rund um Nasca und das NascaGIS.
Aber Dank der Unterstützung des Nascaprojekt- Leiters Prof. Dr. Bernd Teichert und
der Anregungen des UNIGIS- Teams unter der Leitung von Prof. Dr. Josef Strobl ließ
sich auch diese Frage lösen. Wie umfangreich das Spektrum der zu bearbeitenden
Themen letztlich sein sollte, zeigte sich jedoch erst im Verlaufe der Bearbeitung.
Dass diese Arbeit zu einem erfolgreichen Abschluss kam, verdanke ich in erster Linie
der moralischen Unterstützung seitens meiner Familie und Freunde. Mein ganz
besonderer Dank gilt jedoch Bernd Teichert für die fachliche Betreuung der Arbeit, die
wissenschaftliche Unterstützung und die vielen Diskussionen bezüglich der für den
weiteren Projektverlauf notwendigen Entscheidungen.
Mein Dank gilt außerdem dem UNIGIS- Team, insbesondere Frau Julia Moser und
Herrn Michael Fally, für die Bereitstellung der Software ERDAS Imagine und die stets
schnelle und unkomplizierte Hilfe in allen organisatorischen Fragen.
Nicht zuletzt danke ich Herrn Prof. Dr. Josef Strobl für die interessanten Anregungen
im Zuge der Themenfindung und die Betreuung der Arbeit.
Erklärung der eigenständigen Abfassung der Arbeit
Erklärung der eigenständigen Abfassung der Arbeit
Ich versichere, diese Master Thesis ohne fremde Hilfe und ohne Verwendung anderer
als der angeführten Quellen angefertigt zu haben, und dass die Arbeit in gleicher oder
ähnlicher Form noch keiner anderen Prüfungsbehörde vorgelegen hat.
Alle Ausführungen der Arbeit die wörtlich oder sinngemäß übernommen wurden sind
entsprechend gekennzeichnet.
Dresden, den 28.05.2007
Christiane Richter
Kurzfassung
Kurzfassung
Eines der faszinierendsten Rätsel der Menschheitsgeschichte sind die aus der
vorkolumbischen Nasca- Kultur (ca. 200 v.Chr. bis 800 n. Chr.) stammenden Linien
und Figuren in der Pampa von Nasca und Palpa im Süden Perus. Bis heute ranken
sich zahllose Theorien um die ursprüngliche Bedeutung dieser Bodenzeichnungen.
Eine der wissenschaftlichen Theorien vermutet eine astronomische Ausrichtung der
langen Linien und Flächen auf Gestirne zur Nasca- Zeit. Diese Theorie zu verifizieren,
hat sich das Nascaprojekt an der HTW Dresden zur Aufgabe gemacht. Basis des
Projektes ist ein Geoinformationssystem (NascaGIS), welches dieses Weltkulturerbe
zumindest in digitaler Form erhalten und einer breiten Öffentlichkeit zugänglich machen
soll. Wichtigste Grundlage des NascaGIS sind die Daten, deren Erfassung bislang
ausschließlich durch örtliche Messungen und photogrammetrische Auswertung von
Luftbildern erfolgte.
In der vorliegenden Arbeit wird die Eignung hochauflösender Satellitenbilder, am
Beispiel von IKONOS- Daten, als Grundlage für die Datenerfassung im NascaGIS und
für die astronomischen Berechnungen untersucht. Im Mittelpunkt stehen die Fragen
nach dem Einfluss der Genauigkeit der Digitalen Geländemodelle auf die
Orthorektifizierung der Satellitenbilder sowie nach der erreichbaren Genauigkeit bei der
Vektordatenerfassung aus den orthorektifizierten IKONOS- Szenen. Neben
vorhandenen Geländemodellen aus digitalisierten Höhenlinien werden insbesondere
die SRTM- Daten hinsichtlich ihrer Eignung für die Orthorektifizierung analysiert.
Die Ergebnisse zeigen, dass speziell im ebenen Gelände der Pampa von Nasca sehr
hohe Genauigkeiten bei der Orthorektifizierung sowohl mit SRTM-1 (X-Band), als auch
mit SRTM-3 (C-Band) Daten erreichbar sind, so dass bei der Vektordatenerfassung
Genauigkeiten im Subpixelbereich erzielt werden können. Problematisch wird die
Datenerfassung hingegen im bergigen Gelände, da sich die dort auftretenden zum Teil
erheblichen Höhenfehler in den Geländemodellen, insbesondere bei Schrägaufnahmen
der Satellitendaten, als Lageabweichungen in den Vektordaten auswirken. Da sich
aber die meisten Linien und Figuren in der Pampa von Nasca im ebenen Gelände
befinden, können die orthorektifizierten Satellitendaten ohne weiteres als Grundlage für
die Vektordatenerfassung sowohl im NascaGIS als auch für astronomische
Berechnungen verwendet werden.
Abstract
Abstract
One of the most fascinating mysteries of the world are the famous lines and figures at
the Pampa of Nasca and Palpa in the south of Peru, which have their seeds in the pre-
Columbian Nasca culture (approx. 200 BC – 800 AC). Innumerous theories about the
original function of the ground drawings are current amongst scientists and pseudo-
scientists. One of the mayor scientific theories deals with Astronomy, which means that
the long lines and areas may have an adjustment to celestial bodies during the Nasca
time. To proof this astronomical theory a special research project was started at the
University of Applied Sciences Dresden. The basis of this Nasca project is a
Geographical Information System (NascaGIS), which shall preserve this cultural
heritage at least in digital form and to provide an easy digital access to the public at
large. The primary requirements of any GIS application are the data, which can be
obtained by field measurements or photogrammetric techniques.
Within this thesis the usability of very high resolution satellite images, e.g. IKONOS
data, as a basis for data capture for the NascaGIS and astronomical calculations will
be investigated. The two major questions to be answered are the influence of the DTM
(Digital Terrain Model) accuracy on the orthorectification of the satellite data and the
accuracy of data capture itself. Besides of the existing DTM’s, worked out by digitizing
contour lines, especially the SRTM data are analyzed regarding to their usability for the
orthorectification of the IKONOS data.
The orthorectification with SRTM-1 (X-Band) as well as with SRTM-3 (C-Band) has
brought very good results in the plain of the Pampa of Nasca, where subpixel accuracy
was achieved for the vector data capture. More problematic are the mountainous
areas, because the partially large height discrepancies affect significantly the
orthorectification especially of the off-nadir satellite images, which result in less
accuracy of the vector data. Nevertheless, because most of the lines and figures at the
Pampa of Nasca are situated in the flat area, the orthorectified satellite images can be
used for the GIS data capture as well as for the astronomical investigations.
Inhaltsverzeichnis
Inhaltsverzeichnis
Vorwort
Erklärung der eigenständigen Abfassung der Arbeit
Kurzfassung
Abstract
Inhaltsverzeichnis
Abbildungsverzeichnis
Tabellenverzeichnis
Abkürzungsverzeichnis
Symbolverzeichnis
1 Einführung 1
1.1 Weltkulturerbe Nasca 1
1.2 Motivation und Zielsetzung 2
1.3 Gliederung der Arbeit 4
2 Theoretische Grundlagen und Stand der Forschung 5
2.1 Bezugssysteme 5
2.1.1 Die globalen terrestrischen Bezugssysteme ITRS und WGS84 5
2.1.2 Das regionale terrestrische Bezugssystem PSAD56 7
2.1.3 Höhenbezugssysteme 8
2.1.4 Astronomische Bezugssysteme 9
2.2 IKONOS- Satellitendaten als Basis für Geoinformationssysteme 12
2.2.1 Technische Daten 12
2.2.2 Untersuchungen zur geometrischen Genauigkeit der IKONOS- Daten 14
2.3 Digitale Geländemodelle 17
2.3.1 Digitale Geländemodelle aus topographischen Karten 19
2.3.2 Digitale Geländemodelle aus photogrammetrischer Stereoauswertung 20
2.3.3 Digitale Geländemodelle aus SRTM- Daten 21
2.3.3.1 Technische Daten 21
2.3.3.2 Auswertung und Ergebnisse 24
2.3.3.3 Untersuchungen zur Genauigkeit der SRTM- Daten 25
3 Ausgangsmaterial 29
3.1 Das Untersuchungsgebiet 29
3.2 Passpunkte 30
3.3 Photogrammetrische Luftbilder 34
3.4 IKONOS- Satellitenbilder 35
3.5 Digitale Geländemodelle 38
Inhaltsverzeichnis
3.5.1 Geländemodelle aus der Digitalisierung von Höhenlinien 38
3.5.1.1 DGM100 38
3.5.1.2 DGM25 39
3.5.2 SRTM- Daten 40
3.6 NascaGIS 42
4 Lösungsansatz 43
5 Vorgehensweise und Durchführung 45
5.1 Transformationen 45
5.1.1 Transformation der GPS- Punkte 45
5.1.2 Transformation der NascaGIS- Daten 47
5.1.3 Transformation von Rasterdaten in ERDAS Imagine 49
5.2 Aerotriangulation der Luftbilder und DGM- Generierung 50
5.2.1 Aerotriangulation 50
5.2.2 Automatische DGM- Generierung 53
5.3 Analyse und Bearbeitung der SRTM- Daten 57
5.3.1 Geomorphologische Eigenschaften des Geländes 57
5.3.2 Datenanalyse 58
5.3.2.1 Vergleich der SRTM-3 Datensätze 58
5.3.2.2 Analyse der SRTM- Daten anhand von Passpunkten 61
5.3.2.3 Vergleich der SRTM- Daten mit DGM25 und DGM100 63
5.3.2.4 Vergleich von SRTM-1 und SRTM-3 mit dem photogrammetrischen DGM 65
5.3.3 Bearbeitung der Lücken in den SRTM-3 Daten 68
5.4 Orthorektifizierung der IKONOS- Daten 72
5.4.1 Vorbereitung der Daten 72
5.4.2 Datenanalyse hinsichtlich der Orthorektifizierung 76
5.4.3 Orthorektifizierung am Beispiel der Kachel 2.1 78
5.4.4 Orthorektifizierung des gesamten Blockes 83
5.5 Untersuchungen zur Genauigkeit der Vektordatenerfassung 88
5.6 Genauigkeitsanforderung für astronomische Berechnungen 91
5.6.1 Hintergrund der astronomischen Theorie 91
5.6.2 Standardabweichung des Azimuts 92
5.6.3 Standardabweichung des Höhenwinkels 94
5.6.3.1 Einfluss der Erdkrümmung auf den Höhenwinkel 96
5.6.3.2 Einfluss der Refraktion auf den Höhenwinkel 97
5.6.4 Einflüsse auf das Azimut der Himmelskörper 99
6 Ergebnisse und Schlussfolgerungen 102
6.1 Ergebnisse zur Genauigkeit der verfügbaren Geländemodelle 102
6.2 Zum Einfluss der DGM- Genauigkeit auf die Orthorektifizierung 105
6.3 Zur Genauigkeit der Vektordatenerfassung 107
Inhaltsverzeichnis
6.4 Genauigkeitsanforderungen für astronomische Berechnungen 108
6.5 Festlegungen zur Übernahme der Daten ins NascaGIS 109
7 Zusammenfassung und Ausblick 110
Quellennachweis 113
Normen 117
Verwendete Software 118
Datenquellen 119
Anlagenverzeichnis 120
Abbildungsverzeichnis
Abbildungsverzeichnis
Abb. 1: Pampa von Nasca (li.: Linie in einer Fläche, re.: Teil des Kolibri) 2
Abb. 2: Höhenbezug 8
Abb. 3: Lokales Horizontsystem 11
Abb. 4: Aufnahmegeometrie [nach (GRODECKI, DIAL 2001)] 13
Abb. 5: Einfluss der Referenzhöhe auf die Lagegenauigkeit [nach (JACOBSEN 2002)] 16
Abb. 6 SRTM- Aufnahmegeometrie [nach (WOODHOUSE 2006)] 22
Abb. 7: Eindringtiefen von Mikrowellen [Quelle: (ALBERTZ 2001, S. 64)] 23
Abb. 8: Einfluss des Reliefs [nach (ALBERTZ 2001, S. 80)] 26
Abb. 9: Höhendifferenz zwischen C- und X-Band [Quelle: (HOFFMANN, WALTER 2006)] 27
Abb. 10: Lage des Gebietes [Datenquellen: World Basemap, Landsat ETM+, GTOPO30] 29
Abb. 11: Festpunkte des IGN- Netzes (links: Marcona-Nord; rechts: QQ37R) 32
Abb. 12: Teil des Nasca- Blockes mit 141 Luftbildern 34
Abb. 13: Übersicht über vorhandene IKONOS- Daten 35
Abb. 14: Lageabweichungen in Geo Ortho Kit- Daten (Streifen 0: Kacheln 0, 1 und 3) 37
Abb. 15: DGM100 mit digitalisierten Höhenlinienpunkten 38
Abb. 16: SRTM- Daten, überlagert mit DGM25- Höhenlinien (Bezug: PSAD56/EGM96) 40
Abb. 17: Bearbeitungsablauf 44
Abb. 18: Geoidundulation im Bereich der SRTM-Daten (berechnet in ERDAS) 46
Abb. 19: Auszug aus einer Geometrietabelle in Topobase 47
Abb. 20: Bearbeitungsablauf zur Korrektur der Höhen in Topobase 48
Abb. 21: Beispiele photogrammetrischer Passpunkte 51
Abb. 22: Photogrammetrischer Nasca- Block mit GCP’s und Check Points 51
Abb. 23: Automatisch generiertes DGM, incl. DTM Point Status Output Image 55
Abb. 24: Bereich des DGM- Ausschnittes 56
Abb. 25: Exposition der SRTM1 und SRTM-3 Daten 57
Abb. 26: Hangneigung der SRTM-1 und SRTM-3 Daten 58
Abb. 27: SRTM-3 Daten von links nach rechts: HGT, TIFF und CGIAR-CSI TIFF 59
Abb. 28: Differenzen zwischen HGT- und TIFF- Daten 59
Abb. 29: Differenzen: HGT- und CGIAR-CSI- Daten (li.: Original, re.: ohne Lagekorrektur) 60
Abb. 30: Lage der GPS- Punkte (Markierung der Punkte mit max. Differenzen) 62
Abb. 31: Profil zwischen Referenzstation1 und Hill-X 63
Abb. 32: Differenz von SRTM-3 und SRTM-1 66
Abb. 33: Differenz zwischen SRTM-3 und photogrammetrischem DGM 67
Abb. 34: Lage der IKONOS- Daten in Bezug zu SRTM 68
Abb. 35: Profile im Bereich der Lücken in SRTM-3 Daten (Beispiel 1) 69
Abb. 36: Profile im Bereich der Lücken in SRTM-3 Daten (Beispiel 2) 70
Abb. 37: Ergebnisse der Bildfusionierung (links: bewirtschaftete Flächen, rechts: Pampa) 75
Abbildungsverzeichnis
Abb. 38: Lageabweichung in Abhängigkeit von Nadirwinkel und Höhenunterschied 76
Abb. 39: Höhendifferenzen zwischen SRTM-1 und SRTM-3 im Testgebiet 77
Abb. 40: Resampling (Links: Nearest Neighbor, Mitte: Bilinear, Rechts: Bicubic) 80
Abb. 41: Verschiebungen im orthorektifizierten Bild infolge Höhendifferenzen 81
Abb. 42: Orthorektifiziertes Bild (oben: mit SRTM-1, unten: mit SRTM-3) mit Passpunkten 82
Abb. 43: IKONOS- Block mit Passpunkten und Bezeichnung der Kacheln 83
Abb. 44: Differenzen im Überlappungsbereich von Streifen 1 nach Streifen 2 (2 GCP’s) 84
Abb. 45: Differenzen im Überlappungsbereich von Streifen 1 nach Streifen 2 (alle GCP’s) 85
Abb. 46: Ergebnis aus der Triangulation mit Pass- und Verknüpfungspunkten 86
Abb. 47: Übersicht über die gemessenen Punkte 89
Abb. 48: Lagedifferenzen aus unabhängigen GPS- Messungen 90
Abb. 49: Gedanke der astronomischen Theorie 91
Abb. 51: Lokales Horizontalsystem 94
Abb. 52: Geometrie der Erdkrümmung 97
Abb. 54: Änderung von Azimut und Höhenwinkel [nach (TEICHERT 2007)] 100
Abb. 55: Hangneigungen (links: SRTM-3, rechts: photogrammetrisches DGM) 104
Abb. 56: Überlagerung von GPS- Messungen mit orthorektifizierter Kachel 0.2 107
Tabellenverzeichnis
Tabellenverzeichnis
Tab. 1: Technische Daten des Satelliten IKONOS (GEO EYE 2006) 13
Tab. 2: IKONOS- Bildprodukte (GEO EYE 2006) 14
Tab. 3: Produktspezifikationen nach (RABUS et al. 2003), (HOFFMANN, WALTER 2006) 24
Tab. 4: Entfernung der Permanentstationen 31
Tab. 5: Standardabweichungen der Referenzstationen [Quelle: (PANTZER 2005)] 32
Tab. 6: Bezeichnung der vorhandenen IKONOS- Bilder 35
Tab. 7: Aufnahmeparameter der verwendeten IKONOS- Daten 36
Tab. 8: Ergebnisse der Aerotriangulation 52
Tab. 9: Tests zur automatischen DGM- Generierung 54
Tab. 10: Genauigkeit der automatischen DGM- Generierung 56
Tab. 11: Höhenunterschiede in verschiedenen SRTM- Datensätzen 57
Tab. 12: Differenzen zwischen GPS- und interpolierten DGM- Höhen 61
Tab. 13: Differenzen zwischen GPS- und DGM- Höhen 64
Tab. 14: Vergleich von DGM25 und DGM100 mit SRTM- Daten 65
Tab. 15: Höhenvergleich im Bereich der Lücken im Südwesten der SRTM-3 Daten 71
Tab. 16: Höhendifferenzen zwischen Passpunkten und SRTM 78
Tab. 17: Genauigkeit der GCP’s und CP’s bei Verwendung von SRTM-1 bzw. SRTM-3 81
Tab. 18: Genauigkeiten der verschiedenen Triangulationen 86
Tab. 19: Standardabweichungen aus der Messung mehrerer Punkte in Kachel 2.1 88
Tab. 20: Lageabweichung der gemessenen Punkte 89
Tab. 21: Richtungsgenauigkeit in Bogenminuten in Abhängigkeit von S0 [m] und σxy [m] 93
Tab. 22: Standardabweichung des Höhenwinkels 96
Tab. 23: Effekte der Erdkrümmung 97
Tab. 24: Normalrefraktionen als Funktion des Höhenwinkels 99
Tab. 25: Korrekturen im Azimut bei entsprechendem Höhenwinkel 100
Tab. 26: Differenzen der SRTM-3 DGM’s gegenüber den GPS- Punkten 103
Tab. 27: Differenzen der verschiedenen DGM’s gegenüber den GPS- Punkten 103
Abkürzungsverzeichnis
Abkürzungsverzeichnis
AML Arc Macro Language
ASI Agenzia Spaziale Italiana
BIL Band Interleaved by Line
CCD Charge Coupled Device
CE Circular Error
CEP Celestial Ephemeris Pole
CGIAR Consultative Group on International Agricultural Research
CP Check Point
CSI Consortium for Spatial Information
DEM Digital Elevation Model
DGM Digitales Geländemodell
DHM Digitales Höhenmodell
DLR Deutsche Zentrum für Luft- und Raumfahrt e.V.
DOM Digitales Oberflächenmodell
DTED Digital Terrain Elevation Data
DRA Dynamic Range Adjustment
DSM Digital Surface Model
DTM Digital Terrain Model
EDC Earth Resources Observation and Science (EROS) Data Center
FFT Fast Fourier Transformation
FK5 Fundamentalkatalog 5 (inzwischen auch FK6)
GCP Ground Control Point
GSD Ground Sampling Distance
GTOPO30 Digitales Geländemodell des USGS (Auflösung: 30 Bogensekunden)
HEM Height Error Map
HGT Height (Dateierweiterung bei SRTM- Daten)
ICRF International Celestial Reference Frame
ICRS International Celestial Reference System
IDW Inverse Distance Weighted
IERS International Earth Rotation Service
IFOV Instantaneous Field of View
IGM Image Geometry Model
IGN Instituto Geográfico Nacional
IHS Intensity-Hue-Saturation
Abkürzungsverzeichnis
INC Instituto Nacional de Cultura
INS Inertiales Navigationssystem
ITRF International Terrestrial Reference Frame
ITRS International Terrestrial Reference System
JPL Jet Propulsion Laboratory
LP DAAC Land Processes Distributed Active Archive Center
LPS Leica Photogrammetry Suite
MSL Mean Sea Level
MTFC Modulation Transfer Function Compensation
NASA National Aeronautics and Space Administration
NIMA National Imagery and Mapping Agency
NGA National Geospatial-Intelligence Agency
PSAD56 Provisorisches Südamerikanisches Datum 1956
RPC Rational Polynomial Coefficient
RMSE Root Mean Square Error
RTK Real Time Kinematik
SAN Servicio Aerofotográfico Nacional
SDDS Seamless Data Distribution System
SRTM-1 Shuttle Radar Topography Mission – Auflösung 1 Bogensekunde
SRTM-3 Shuttle Radar Topography Mission – Auflösung 3 Bogensekunden
SRTM-30 Shuttle Radar Topography Mission – Auflösung 30 Bogensekunden
TIFF Tagged Image File Format
TIN Triangulated Irregular Network
USGS U. S. Geological Survey
UTM Universale Transversale Mercator- Projektion
VHR Very High Resolution
Symbolverzeichnis
Symbolverzeichnis
a große Halbachse des Rotationsellipsoids (DIN 18709-1 Nr. 7.4.2.1)
b kleine Halbachse des Rotationsellipsoids (DIN 18709-1 Nr. 7.4.2.2)
f Abplattung des Ellipsoids f = (a-b)/a (DIN 18709-1 Nr. 7.4.2.4)
B geodätische (ellipsoidische) Breite (DIN 18709-1 Nr. 7.4.7.1)
L geodätische (ellipsoidische) Länge (DIN 18709-1 Nr. 7.4.7.2)
h ellipsoidische Höhe (DIN 18709-1 Nr. 7.4.7.3)
Ho orthometrische Höhe (DIN 18709-1 Nr. 10.2.12)
N Geoidundulation (DIN 18709-1 Nr. 10.4.2)
φ geographische Breite auf der Erdkugel (DIN 18709-1 Nr. 7.5.3.1)
λ geographische Länge auf der Erdkugel (DIN 18709-1 Nr. 7.5.3.2) (siehe
auch Wellenlänge)
R Radius der Erdkugel (DIN 18709-1 Nr. 7.5.1.1)
Φ astronomische Breite (DIN 18709-1 Nr. 7.2.2.1)
Λ astronomische Länge (DIN 18709-1 Nr. 7.2.2.2)
Θ Lotabweichung (DIN 18709-1 Nr. 8.6.1)
ξ Lotabweichungskomponente in Breite (DIN 18709-1 Nr. 8.6.1.1)
η Lotabweichungskomponente in Länge (DIN 18709-1 Nr. 8.6.1.2)
αa astronomisches Azimut (DIN 18709-1 Nr. 8.2.1.10)
ha Höhe im Horizontalsystem (nach DIN 18709-1 Nr. 8.2.1.12: h)
z Zenitdistanz im Horizontalsystem (DIN 18709-1 Nr. 8.2.1.11)
Z astronomischer Zenit (DIN 18709-1 Nr. 8.2.1.2)
δ Refraktionswinkel (DIN 18709-1 Nr. 10.5.9)
SR Schräg- (Raum-) Strecke (DIN 18709-1 Nr. 9.3.1.2)
SH Horizontalstrecke im Messungshorizont (DIN 18709-1 Nr. 9.3.1.3)
SO Horizontalstrecke auf der Bezugsfläche (DIN 18709-1 Nr. 9.3.1.4)
S Bogenlänge auf der Bezugsfläche (DIN 18709-1 Nr. 9.3.1.5)
s verebnete Strecke (DIN 18709-1 Nr. 7.6.1.4)
t ebener Richtungswinkel (DIN 18709-1 Nr. 7.6.1.8)
αg Geländeneigung
Symbolverzeichnis
c Kammerkonstante (DIN 18716-1 Nr. 5.2.6)
hg Flughöhe über Grund (DIN 18716-1 Nr. 5.3.5)
β Höhenwinkel (DIN 18716-1 Kap. 3.4)
α Beobachtungswinkel (DIN 18716-3 Kap. 5.3.5), auch: Nadirwinkel
αL lokaler Nadirwinkel
γ Depressionswinkel (DIN 18716-3 Kap. 5.6.7)
b Basislänge (DIN 18716-1 Kap. 3.2)
ε Neigungswinkel der Basislinie (DIN 18716-1 Kap. 3.4)
λ Wellenlänge (DIN 18716-1 Kap. 3.4) (siehe auch Geographische Länge)
φ interferometrische Phasendifferenz
σx Standardabweichung (DIN 18709-4 Nr. 2.2.8)
sx empirische Standardabweichung (DIN 18709-4 Nr. 2.3.6)
xi (yi, zi) Beobachtungswert (DIN 18709-4 Nr. 2.1.2)
x (arithmetischer) Mittelwert (DIN 18709-4 Nr. 2.3.3)
∆h Höhendifferenz (DIN 18709-1 Nr. 10.2.2)
∆x Abweichung in x- Richtung (analog für y und z)
∆L Lagedifferenz
Hinweis: Um eine einheitliche Verwendung der Symbole zu gewährleisten, wurde
weitestgehend versucht, die in der DIN vorgeschlagenen Abkürzungen
und Zeichen zu benutzen. Da einzelne Buchstaben doppelt vergeben
sind, mussten in Einzelfällen abweichende Bezeichnungen verwendet
werden, um Verwirrungen zu vermeiden.
1 Einführung 1
“Wenn sich erweisen sollte, dass Rich-tungseinordnung und Längenmessung in Nazca im Dienste der Zeitmessung gestan-den haben, und die Maßeinheit einmal be-kannt ist, könnte mit der Entzifferung des großen Dokumentes begonnen werden“ (M. REICHE 1989)
1 Einführung
1.1 Weltkulturerbe Nasca
Eines der beeindruckendsten Kulturdenkmale, einzigartig in der Welt und den Zeugnis-
sen anderer großer Kulturen ebenbürtig, sind die Linien und Geoglyphen in der Pampa
von Nasca und Palpa am Rande der Atacama- Wüste im Süden Perus. Sie sind ein
Zeugnis der hohen künstlerischen und technischen Begabung der präkolumbischen
Nasca- Kultur, die zwischen 200 v. Chr. und 800 n. Chr. in den Taloasen der peruani-
schen Südküste zwischen Ica und Acari in den Tälern des Rio Nasca und seiner Ne-
benflüsse ihre Blütezeit erlebte. Auf einem mehr als 500km2 großen Wüstenplateau
schuf diese Kultur eines der faszinierendsten Rätsel der Menschheitsgeschichte. Tau-
sende von schnurgeraden bis zu 12 km langen Linien, zahlreiche riesige Flächen in
Trapez- und Dreiecksformen, sowie gigantische Tier-, Pflanzen- und geometrische
Figuren (sogenannte Geoglyphen) bedecken die Steinwüste zwischen den Wüsten-
städtchen Nasca und Palpa. Vom Boden aus betrachtet sind die Zeichnungen kaum zu
erfassen, erst aus großer Höhe erschließen sich Konstruktion, Vielfalt, Größe und
künstlerische Darstellung dem Auge des Betrachters. Dies scheint auch der Grund
dafür zu sein, dass sich die Bodenzeichnungen in der Wüste der Aufmerksamkeit ver-
gangener Generationen entzogen und somit über Jahrhunderte hinweg im Verborge-
nen blieben. Als man zu Anfang des 20. Jahrhunderts, mit Beginn der Luftfahrt, die
Zeichnungen wiederentdeckte, hielt man die Linien in der Pampa zunächst für Reste
von Bewässerungsanlagen. Bei näherer Betrachtung wurde jedoch klar, dass dieses
Kunstwerk keineswegs so einfach zu erklären ist.
Der Mythos, der die Linien und Figuren von Nasca umgibt, ist ebenso faszinierend wie
die Zeichnungen selbst. Bis heute gibt es keine wissenschaftlich bewiesene Antwort
auf die Frage, welchem Zweck die Zeichnungen dienten. Waren die Darstellungen Teil
eines religiösen Rituals, einer Bitte an die Götter um fruchtbare Ernten? Markieren die
Linien unterirdische Wasservorkommen oder sind sie gar Teil eines Bewässerungs-
systems? Fragen, auf die es bislang keine umfassende Antwort gibt. Schriftliche Do-
kumente oder mündliche Überlieferungen, die Licht in das Dunkel bringen könnten,
1 Einführung 2
existieren nicht. Das ist wohl auch der Grund, weshalb sich bis heute so zahlreiche
Spekulationen und Theorien um das Geheimnis von Nasca ranken. (RICHTER,
TEICHERT 2006)
Abb. 1: Pampa von Nasca (li.: Linie in einer Fläche , re.: Teil des Kolibri)
Ein Name, der untrennbar mit den Linien und Geoglyphen von Nasca verbunden ist, ist
der von Dr. Maria Reiche, einer Dresdner Mathematikerin und Geografin, die mehr als
40 Jahre ihres Lebens der Erforschung und dem Schutz der Bodenzeichnungen wid-
mete. Maria Reiche setzte sich zudem insbesondere mit der von Paul Kosok, einem
amerikanischen Kulturhistoriker und Archäologen, vorgeschlagenen astronomischen
Deutung der Linien von Nasca auseinander.
1.2 Motivation und Zielsetzung
In Fortführung der jahrzehntelangen Arbeit Maria Reiches wurde im Jahre 1995 an der
Hochschule für Technik und Wirtschaft Dresden, Fachbereich Vermessungswesen und
Kartographie das Forschungsprojekt „Nasca“ ins Leben gerufen. Inhalt des Projektes
ist die Erfassung, Verwaltung, Analyse und Präsentation der Linien und Geoglyphen in
der Pampa von Nasca und Palpa in einem Geo- Informationssystem (NascaGIS) mit
dem Ziel, angesichts der drohenden Zerstörung durch Umweltverschmutzung, Raub-
grabungen und Massentourismus, dieses UNESCO- Weltkulturerbe zumindest in digi-
taler Form zu erhalten und einer breiteren Öffentlichkeit zugänglich zu machen.
Daneben besteht eine wesentliche Aufgabe des Projektes in der Verifizierung der
astronomischen Theorie Maria Reiches. In vielen Kulturen des alten Peru spielte die
Astronomie zweifelsohne eine große Rolle. Maria Reiche vermutete, dass das astro-
nomische Wissen der Schamanen bereits zur Nasca- Zeit ausreichte, um aus der Beo-
bachtung der Gestirne den jahreszeitlichen Wechsel, den Beginn von Aussaat und
Ernte ableiten zu können. Als Teil religiöser Zeremonien und Rituale könnten die
1 Einführung 3
Nascas somit die Linien und Flächen in der Pampa für derartige Vorhersagen genutzt
haben. Es stellt sich somit die Frage, ob eine signifikante Anzahl langer Linien und
großer Flächen zur Nasca- Zeit auf markante Himmelskörper (Sonne, Mond, sichtbare
Planeten und Sterne großer Helligkeit) ausgerichtet war.
Eine wichtige Aufgabe beim Aufbau des NascaGIS und gleichzeitig Voraussetzung für
die astronomischen Untersuchungen ist die Datenerfassung. Angesichts der Größe
des Gebietes und der strengen Auflagen zum Betreten des Weltkulturerbes kommen
vermessungstechnische Verfahren hierfür nicht bzw. nur unterstützend in Frage. Die
Anwendung photogrammetrischer Verfahren ist daher die sinnvollste Variante zur
Datenerfassung. Allerdings setzt dies das Vorhandensein von photogrammetrischen
Luftbildern voraus, welche derzeit im Nascaprojekt nur für einen kleinen Teil der
Pampa von Nasca vorliegen. Daher liegt der Gedanke nahe, sehr hochauflösende
Satellitenbilder als Datenquelle für das NascaGIS zu nutzen. Die Frage ist allerdings,
welche Genauigkeitserwartungen an diese Daten gestellt werden können und ob diese
Genauigkeiten den notwendigen Anforderungen genügen.
Ziel dieser Arbeit ist es somit, zu untersuchen, mit welcher Genauigkeit Vektordaten
aus orthorektifizierten Satellitenbildern abgeleitet werden können und ob diese Ge-
nauigkeit als Basis für die astronomischen Berechnungen zur Verifizierung der Kalen-
dertheorie ausreicht. Für diese Untersuchungen stehen IKONOS- Satellitenbilder vom
Gebiet der Pampa von Nasca zur Verfügung. Da es sich nicht um Stereosatellitendaten
handelt, spielt des Weiteren die Frage nach dem für die Orthorektifizierung zu verwen-
denden Digitalen Geländemodell (DGM) eine wichtige Rolle.
In den vergangenen Jahren entstanden bereits verschiedene Geländemodelle durch
die Digitalisierung von Höhenlinien aus topographischen Karten und Katasterkarten,
welche große Teile des Projektgebietes abdecken, deren Genauigkeit jedoch bislang
nicht untersucht wurde. Daneben besteht für den mit Luftbildern abgedeckten Bereich
die Möglichkeit ein sehr genaues DGM, als Basis für Höhenvergleiche, zu generieren.
Außerdem stehen inzwischen Daten der Shuttle Radar Topography Mission (SRTM)
zur Verfügung.
Angesichts der verschiedenen Geländemodelle stellt sich die Frage, welchen Einfluss
die DGM- Genauigkeit auf das Ergebnis der Orthorektifizierung von Satellitendaten hat.
Somit ergeben sich die folgenden zentralen Fragen, die im Rahmen dieser Arbeit ge-
klärt werden sollen:
• Welche Genauigkeit weisen die verfügbaren Geländemodelle auf?
1 Einführung 4
• Wie wirkt sich die DGM- Genauigkeit auf die Orthorektifizierung der IKONOS-
Satellitendaten aus?
• Welche Genauigkeitsanforderungen leiten sich daraus für das DGM ab?
• Mit welcher Genauigkeit können Vektordaten aus den rektifizierten IKONOS-
Daten abgeleitet werden und
• welche Genauigkeitsanforderungen müssen die Daten (Vektordaten und
DGM) überhaupt erfüllen, um für astronomische Berechnungen herangezogen
werden zu können?
Im Ergebnis der Arbeit ist außerdem eine Aussage darüber zu treffen, welche Daten
(DGM und Vektordaten) künftig ins NascaGIS übernommen werden sollen und inwie-
weit sich diese Daten für astronomische Berechnungen eignen.
1.3 Gliederung der Arbeit
Die Arbeit gliedert sich dementsprechend in folgende Abschnitte. Nach der Einführung
widmet sich Kapitel 2 den erforderlichen theoretischen Grundlagen und dem aktuellen
Stand der Forschungen. Hier wird zunächst ein Einblick in die im Laufe der Arbeit zu
verwendenden Bezugssysteme, Projektionen und Koordinatensysteme vermittelt. Den
Schwerpunkt des Kapitels bildet der aktuelle Stand der Forschungen bezüglich Einsatz
und Genauigkeit von IKONOS- Satellitenbildern als Basis für Geoinformationssysteme
sowie Betrachtungen zu Digitalen Geländemodellen, insbesondere zur Genauigkeit der
SRTM- Daten.
Im daran anschließenden Kapitel 3 wird das Untersuchungsgebiet kurz vorgestellt und
ein Überblick über die vorhandenen Ausgangsdaten, d.h. GPS- Messungen, Photo-
grammetrische Luftbilder, IKONOS- Satellitenbilder und Digitale Geländemodelle sowie
die Daten des NascaGIS gegeben. Kapitel 4 beschäftigt sich mit dem Ansatz zur
Lösung der gestellten Aufgaben, dessen Umsetzung in Kapitel 5 ausführlich beschrie-
ben und erläutert wird. Neben der Betrachtung notwendiger Transformation und der
DGM- Generierung aus Luftbildern stehen die Analyse der vorhandenen DGM’s, die
Orthorektifizierung der Satellitendaten und die Genauigkeit der daraus ableitbaren
Vektordaten sowie die Genauigkeitsanforderungen für astronomische Berechnungen
im Mittelpunkt der Betrachtungen. Das 6. Kapitel beinhaltet die Analyse der Ergebnisse
und daraus abzuleitende Schlussfolgerungen. Das abschließende Kapitel 7 gibt eine
Zusammenfassung der Arbeit und einen Ausblick auf sich anschließende Themen.
2 Theoretische Grundlagen und Stand der Forschung 5
2 Theoretische Grundlagen und Stand der Forschung
2.1 Bezugssysteme
Eine wichtige Grundlage für die Arbeit mit Geodaten sind die Fragen nach dem
Bezugssystem, den zu verwendenden Projektionen und Koordinatensystemen. Zu Be-
ginn sollen daher die für diese Arbeit in Betracht kommenden Bezugs- und
Koordinatensysteme sowie die verwendeten Projektionen kurz erläutert werden.
Nach DIN 18709-1 Nr. 7.1.1 versteht man unter einem geodätischen Bezugssystem ein
„grundlegendes, einheitliches Bestimmungssystem zur Festlegung der räumlichen
Position, der Lage, der Höhe oder der Schwere von Punkten.“ Man unterscheidet in der
Geodäsie zwischen raumfesten (celestial), erdfesten (terrestrial) und lokalen Bezugs-
systemen. In dieser Arbeit spielen in erster Linie die erdfesten Bezugssysteme eine
Rolle.
Terrestrische oder erdfeste Bezugssysteme dienen zur Beschreibung der räumlichen
Position von Punkten auf oder in der Nähe der Erdoberfläche. Sie sind fest mit der ro-
tierenden Erdkugel verbunden. Dabei kann man zwischen globalen und regionalen
Systemen unterscheiden.
2.1.1 Die globalen terrestrischen Bezugssysteme ITR S und WGS84
Der Ursprung eines globalen terrestrischen Bezugssystems liegt für gewöhnlich im
Geozentrum bzw. dem Massenmittelpunkt der Erde. Die X, Y- Ebene entspricht der
Äquatorebene und die Z-Achse der Rotationsachse der Erde. Damit erhält man ein
rechtwinkliges, kartesisches, geozentrisches Koordinatensystem.
Als wichtigstes globales terrestrisches Bezugssystem ist das ITRS (International Ter-
restrial Reference System) zu nennen, welches vom International Earth Rotation Ser-
vice (IERS) definiert und realisiert wurde. Ein Bezugssystem gilt dann als realisiert und
damit als verwendbar, wenn eine gewisse Anzahl von koordinatenmäßig bekannten
Referenzobjekten (fiducial objects) bereitsteht, auf die man beliebige andere Punkte
beziehen kann (ZEBHAUSER 1999). Eine solche Realisierung bezeichnet man als
Reference Frame oder Bezugsrahmen. Die Realisierung des ITRS, das sogenannte
ITRF (International Terrestrial Reference Frame), erfolgt in Abständen von einem oder
2 Theoretische Grundlagen und Stand der Forschung 6
mehreren Jahren und entsprechend wird der Bezeichnung ITRF die jeweilige Jahres-
zahl angefügt. Der aktuelle Bezugsrahmen ist der ITRF2005.
Die Bezugsrahmen beinhalten unter Angabe der Bezugsepoche die geozentrischen
Koordinaten X, Y, Z der beteiligten Permanentstationen sowie die Geschwindigkeiten,
mit denen sich der jeweilige Punkt aufgrund der tektonischen Plattenverschiebungen
im Jahr bewegt. Nach (MCCARTHY, PETIT 2004) kann der Vektor einer Referenzsta-
tion (t) zum Zeitpunkt t, ausgehend vom Vektor zur Epoche t0, und unter Berück-
sichtigung der Geschwindigkeit wie folgt berechnet werden:
(2.1-1)
Um Transformationen zwischen den einzelnen Realisierungen des ITRS durchführen
zu können, stellt das IERS entsprechende Transformationsparameter zur Verfügung,
die sich auf eine Epoche t0 des jeweiligen Referenzrahmens beziehen (MCCARTHY,
PETIT 2004), (INSTITUT GÉOGRAPHIQUE NATIONAL 2006).
Ein weiteres wichtiges und vor allem weit verbreitetes globales terrestrisches Refe-
renzsystem ist das World Geodetic System 1984 (WGS84). Mit WGS84 wird einerseits
das Datum, andererseits das zugrunde liegende Ellipsoid bezeichnet. Das Ellipsoid ist
definiert durch die große Halbachse a = 6.378.137,0m und die Abplattung f =
1/298,257223563, welche sich berechnet aus a und b (kleine Halbachse) nach der
Formel: (2.1-2)
Dem WGS84- Ellipsoid kann ein kartesisches, geozentrisches Koordinatensystem zu-
geordnet werden, dessen Ursprung der Ellipsoidmittelpunkt ist. Die X-Achse zeigt in
Richtung des geodätischen Nullmeridians, die Y-Achse ist rechtwinklig dazu angeord-
net und die Z-Achse liegt in der Rotationsachse des Ellipsoids und zeigt in Richtung
geodätisch Nord.
Gebräuchlicher ist die Verwendung geodätischer Koordinaten auf dem Ellipsoid, um-
gangssprachlich oft auch als geographische Koordinaten bezeichnet, wobei man von
geographischen Koordinaten spricht, wenn die Bezugsfläche eine Kugel ist. Die geo-
dätische (oder ellipsoidische) Länge L ist der Winkel zwischen der Meridianebene
durch einen Punkt P und der Nullmeridianebene (Greenwich). Sie wird ausgehend vom
Meridian durch Greenwich entweder nur in östlicher Richtung von 0° bis 360° oder in
östlicher Richtung von 0° bis +180° und in westlich er Richtung von 0° bis -180° ange-
geben. Die geodätische (oder ellipsoidische) Breite B bestimmt sich durch die Ellipso-
idnormale durch den Punkt P und die Äquatorebene. Sie beginnt am Äquator mit 0°
und endet am Nordpol bei +90° bzw. am Südpol bei -9 0°.
)t(tXX(t)X 00R −⋅+= &rrr
0Xr
( ) a/b-af =
RXr
)t-(tX 0&r
2 Theoretische Grundlagen und Stand der Forschung 7
In der Praxis werden das ITRS und seine Realisierungen häufig dem WGS84 gleich-
gesetzt. Dabei ist es wichtig, zu berücksichtigen, dass das WGS84 in den vergangenen
Jahren mehrere Anpassungen an das ITRS erfahren hat. Somit konnte die Überein-
stimmung zwischen beiden Systemen von ursprünglich Metergenauigkeit auf inzwi-
schen Zentimetergenauigkeit gesteigert werden. Die ersten beiden Updates vom Juni
1994 bzw. vom Januar 1997 führen die Bezeichnungen WGS84(G730) und
WGS84(G873), wobei das „G“ auf die jeweilige GPS- Woche hindeutet, in der die An-
passung erfolgte. Inzwischen gibt es eine weitere Realisierung vom Januar 2002 unter
der Bezeichnung WGS84(G1150). Die aktuelle Anpassung erfolgte an das ITRF2000,
Epoche 1997. Die genauen Definitionen und Parameter sind bei der National Imagery
and Mapping Agency abrufbar. (NIMA 2000, 2004)
2.1.2 Das regionale terrestrische Bezugssystem PSAD 56
Für regionale Anwendungen, wie die der Landesvermessung, werden i. A. regionale
terrestrische Bezugssysteme verwendet. Die Definition eines solchen Systems erfolgt
durch Wahl eines geeigneten Referenzellipsoids und Definition eines geodätischen
Datums. Das geodätische Datum gibt die räumliche Lage des Bezugssystems gegen-
über dem geozentrischen Globalsystem an (vgl. DIN 18709-1 Nr. 7.1.3). Realisiert
werden diese regionalen terrestrischen Systeme über entsprechende Festpunkte.
Als peruanisches Landessystem gilt das Provisorische Südamerikanische Datum 1956
von Peru, kurz PSAD56 (Peru) genannt. Es ist zu beachten, dass es außer dem
PSAD56 für Peru auch ein mittleres PSAD56 sowie verschiedene PSAD56 für weitere
Länder Südamerikas gibt, die geringe Differenzen zueinander aufweisen. Im Rahmen
der Arbeit wird jedoch ausschließlich mit dem PSAD56 (Peru) gearbeitet. Bezugs-
ellipsoid ist das Hayford- Ellipsoid, welches 1924 von der Internationalen Union für
Geodäsie und Geophysik (IUGG) als Internationales Ellipsoid 1924, mitunter auch be-
zeichnet als International 1907, übernommen wurde. Es ist definiert über die Parame-
ter a = 6.378.388,0m, als Wert für die große Halbachse, und f = 1/297,00, für die
Abplattung. Die Verschiebung des Internationalen Hayford- Ellipsoids gegenüber dem
WGS-84-Ellipsoid, ausgehend vom Ursprung der Ellipsoide, wird mit 279 m in X-, -175
m in Y- und 379 m in Z-Richtung angegeben (NIMA 2000), Appendix B.7.
Neben dem PSAD56 existiert noch das südamerikanische Datum von 1969, welches
sich auf das South American 1969- Ellipsoid, mit den Parametern a = 6.378.160m und
f = 1/298,25, bezieht. Inwieweit dieses System in der Praxis Verwendung findet, ist
2 Theoretische Grundlagen und Stand der Forschung 8
nicht bekannt. Da keinerlei Daten in diesem System vorliegen, ist es für die weiteren
Untersuchungen nicht relevant.
Beim IGN, dem Instituto Geográfico Nacional in Lima, werden seit dem Betrieb einer
eigenen GPS- Permanentstation die Punkte des peruanischen Lagefestpunktnetzes,
sowohl im Landessystem PSAD56 als auch im WGS84 geführt.
Zur Abbildung der Erdoberfläche in die Kartenebene ist eine Projektion erforderlich.
Unabhängig vom Lagebezugssystem (PSAD56 oder WGS84) kommt in peruanischen
Karten die Universale Transversale Mercator (UTM) Projektion als Grundlage für die
Verebnung der Daten zur Anwendung. Die UTM- Projektion ist, vergleichbar der
Gauss- Krüger- Abbildung, eine winkeltreue transversale Zylinderprojektion, welche die
Erde in 60 Meridianstreifen (Zonen) von je 6° Breit e unterteilt. Das bei der UTM- Pro-
jektion verwendete rechtwinklige Koordinatensystem wird innerhalb einer Zone durch
den Mittelmeridian und den Äquator gebildet. Auf der Südhalbkugel ist der Koordina-
tenursprung mit 500.000 als „false easting“ und 10.000.000 als „false northing“ festge-
legt. Das Untersuchungsgebiet liegt in der UTM Zone 18S. Die Angabe der rechtwink-
ligen Koordinaten Ostwert (Easting) und Nordwert (Northing) erfolgt in Metern.
2.1.3 Höhenbezugssysteme
Unter einer Höhe versteht man in der Vermessung ganz allgemein den entlang der
Lotlinie gemessenen Abstand eines Punktes von einer Bezugsfläche. Je nach Bezugs-
fläche unterscheidet man unterschiedliche Höhensysteme (Abb. 2). In Peru findet man
vorzugsweise orthometrische Höhen. Infolge der satellitengestützten Positionierung ge-
winnen inzwischen allerdings auch ellipsoidische Höhen zunehmend an Bedeutung.
Abb. 2: Höhenbezug
P
h Ho
N
Erdoberfläche
Geoid
Ellipsoid
N … Geoidundulation
Ho …orthometrische Höhe
h … ellipsoidische Höhe
2 Theoretische Grundlagen und Stand der Forschung 9
Orthometrische Höhen verwenden als Bezugsfläche das Geoid, eine Niveaufläche des
von verschiedenen Einflüssen, wie z.B. Erdgezeiten, befreiten Erdschwerefeldes, wel-
che in guter Näherung durch den mittleren Meeresspiegel der Ozeane definiert wird.
Eines der modernsten globalen Modelle des Erdgravitationspotentials ist das EGM96
Geoid (Earth Gravitational Model 1996) der NASA. Mit Einführung des Bezugsrahmens
WGS84(G873) im Jahr 1996 löste das EGM96 das bis dato verwendete WGS84-Geoid
als Geopotenzialmodell und Geoid ab (NIMA 2000).
Ellipsoidische Höhen beziehen sich, wie der Name schon sagt, auf ein Bezugsellipsoid.
Sie werden in der peruanischen Landesvermessung im Zusammenhang mit WGS84-
Lagekoordinaten verwendet, d.h. das Bezugsellipsoid für die ellipsoidische Höhe ist
dann ebenfalls das WGS84.
Die Differenz zwischen der ellipsoidischen Höhe h und der orthometrischen Höhe Ho,
gemessen entlang der Ellipsoidnormalen, wird als Geoidundulation N bezeichnet.
Definitionsgemäß gilt:
h = Ho + N (2.1-2)
Bezüglich des WGS84- Ellipsoids schwankt die Geoidundulation im Projektgebiet
zwischen 26 und 38 Metern. Im Vergleich dazu liegt die Geoidundulation in Bezug auf
das Hayford- Ellipsoid, dem Bezugssystem für das PSAD56, bei über 80 Metern.
2.1.4 Astronomische Bezugssysteme
Bei astronomischen Bezugssystemen unterscheidet man zwischen heliozentrischen
und geozentrischen Systemen, die entweder raumfest (X-Achse zeigt in Richtung des
Frühlingspunktes) oder erdfest gelagert sind. Das modernste raumfeste Bezugssystem
ist das International Celestial Reference System (ICRS), welches, ebenso wie das
ITRS, vom International Earth Rotation Service definiert wurde. Die Realisierungen des
ICRS werden, analog zum ITRF, als International Celestial Reference Frame (ICRF)
bezeichnet. Die Verknüpfung von ICRS und ITRS erfolgt über Präzession, Nutation
und die Greenwich Apperent Sidereal Time, welche die Erdrotation um den CEP
(Celestial Ephemeris Pole) repräsentiert (ZEBHAUSER 1999). Eine genaue Beschrei-
bung von ICRS und ICRF, sowie Transformationsparameter zwischen ITRS und ICRS
finden sich bei (MCCARTHY, PETIT 2004).
Da der HIPPARCOS- Katalog, die primäre Realisierung des ICRS im optischen Be-
reich, den Fundamentalkatalog FK5 ablöst (ZEBHAUSER 1999), wird dieses Bezugs-
2 Theoretische Grundlagen und Stand der Forschung 10
system künftig auch für astronomische Untersuchungen im Nascaprojekt eine Rolle
spielen. Bislang wurde hier ausschließlich mit dem FK5 gearbeitet, wobei die Unter-
schiede in den Sternkoordinaten zwischen FK5 und FK6 für die astronomischen Unter-
suchungen im Nascaprojekt nicht von Bedeutung sind, da sie unterhalb einer Bogen-
sekunde liegen.
Wichtig zu erwähnen ist weiterhin das astronomische terrestrische Globalsystem. Als
astronomische (geographische) Koordinaten bezeichnet man die astronomische Breite
Φ und die astronomische Länge Λ. Unter der astronomischen Breite versteht man den
„Winkel, den die äußere Lotrichtung durch einen Punkt mit der mittleren Äquatorebene
bildet“ (DIN 18709-1 Nr. 7.2.2.1). Die astronomische Länge ist der „Winkel, den die
astronomische Meridianebene eines Punktes mit der Ebene des mittleren Nullmeri-
dians bildet. Die astronomische Meridianebene wird durch die Lotrichtung in dem Punkt
P und eine Parallele zur mittleren Rotationsachse der Erde aufgespannt“ (DIN 18709-1
Nr. 7.2.2.2). Höhenbezug ist i. d. R. das Geoid, d.h. es werden orthometrische Höhen
verwendet.
Astronomische Koordinaten unterscheiden sich von geodätischen Koordinaten durch
die Lotabweichung. Die Lotabweichung Θ ist der „Winkel zwischen der Lotrichtung in
einem Punkt und der diesem Punkt durch eine Projektion zugeordneten Normalen auf
einem Rotationsellipsoid“ (DIN 18709-1 Nr. 8.6.1). Zerlegt man die Lotabweichung in
ihre Nord- Süd- Komponente ξ und in ihre Ost- West- Komponente η so lassen sich die
geodätische Länge L und die geodätische Breite B wie folgt berechnen:
L = Λ – η/cos Φ und B = Φ – ξ (2.1-3)
Im Untersuchungsgebiet um Nasca schwanken die Lotabweichungskomponenten ξ
und η im Bereich von wenigen Bogensekunden.
Ein zur Beobachtung von Sternenbahnen häufig verwendetes astronomisches Koordi-
natensystem ist das lokale Horizont- oder Horizontalsystem (siehe Abb. 3), dessen
Grundebene senkrecht zur Lotrichtung im jeweiligen Beobachtungsort B verläuft und
die scheinbare Himmelskugel im mathematischen Horizont schneidet. Die durch den
Beobachtungsort verlängerte Lotrichtung definiert den Zenit.
Die astronomischen Koordinaten im Horizontsystem sind das Azimut αa und der Hö-
henwinkel bzw. die Höhe ha über dem Horizont. Das Azimut wird, ausgehend von
einem Bezugspunkt (im astronomischen Horizontsystem: Süden; im geodätisch-astro-
nomischen Horizontsystem: Norden), entlang des Horizontes in Richtung der scheinba-
2 Theoretische Grundlagen und Stand der Forschung 11
ren täglichen Bewegung der Gestirne von 0° bis 360° gemessen. Die Höhe ha ist der
Winkel, gemessen vom Horizont in Richtung Zenit von 0° bis 90°. Statt h a wird mitunter
auch die Zenitdistanz z vom Zenit zum Horizont (z = 90° − h a) angegeben.
Abb. 3: Lokales Horizontsystem
2 Theoretische Grundlagen und Stand der Forschung 12
2.2 IKONOS- Satellitendaten als Basis für Geoinform ationssysteme
Die Verwendung von Fernerkundungsdaten als Grundlage für Geoinformationssysteme
hat in den vergangenen Jahren stark an Bedeutung gewonnen. Einerseits können die
georeferenzierten Bilddaten für Visualisierungszwecke genutzt werden, andererseits
lassen sich mit Hilfe der digitalen Bildverarbeitung wichtige Informationen für die unter-
schiedlichsten Anwendungen ableiten. Die zunehmende Verbesserung der Auflösung
der verfügbaren Satellitendaten eröffnet zudem die Möglichkeit einer vereinfachten
Erfassung und Aktualisierung topographischer Geoinformation durch photogrammetri-
sche Auswertung der Satellitenbilder. Das bedeutet, dass gerade in Ländern wie Peru,
wo die Verfügbarkeit von photogrammetrischen Luftbildern sehr stark eingeschränkt ist,
die Verwendung von hoch und sehr hoch auflösenden Satellitenbildern, wie z.B.
IKONOS, eine echte Alternative für die Erfassung von Geobasisdaten darstellt.
2.2.1 Technische Daten
Mit dem erfolgreichen Start des Satelliten IKONOS-2 der Firma Space Imaging Inc. (SI)
im Jahr 1999 begann eine neue Ära der kommerziellen Fernerkundungssatelliten. Mit
einer maximalen Bodenauflösung von 0.82m war IKONOS-2 der erste sehr hoch auflö-
sende (VHR…very high resolution) Satellit, dem inzwischen eine Reihe weiterer Satel-
liten gefolgt sind.
IKONOS gehört zu den passiven, optischen Fernerkundungssystemen, welche die in
der Natur vorhandene elektromagnetische Strahlung empfangen und aufzeichnen. Die
Aufnahme erfolgt mittels eines optoelektronischen Abtastsystems, eines sogenannten
CCD- Scanners (Charge Coupled Device). Aufbau und Funktionsweise sind z.B. bei
(ALBERTZ 2001) oder (LILLESAND, KIEFER 2000) ausführlich erläutert.
IKONOS kreist in einer Höhe von 682 km auf einer sonnensynchronen Umlaufbahn.
Der Satellit verfügt über einen sehr hochauflösenden panchromatischen Kanal und vier
Kanäle im multispektralen Bereich mit einer geringeren geometrischen Auflösung.
Durch Verschwenken des Sensors sind Aufnahmen mit einem Höhenwinkel zwischen
90° (Nadir) und 60° (Off-Nadir), sowohl in Flugrich tung (along-track) als auch quer zur
Flugrichtung (cross-track) möglich. Damit lassen sich zum Einen hohe Wiederholraten
realisieren und außerdem Stereoaufnahmen vom gleichen Orbit aus erzeugen. Die
Aufnahmegeometrie (vgl. Abb. 4) wird durch das Azimut des Sensors (nominal collec-
tion azimuth) und den Höhenwinkel (nominal collection elevation) bestimmt. Aus dem
Höhenwinkel lässt sich der Sensorschwenkwinkel (Nadir angle) ableiten.
2 Theoretische Grundlagen und Stand der Forschung 13
Abb. 4: Aufnahmegeometrie [nach (GRODECKI, DIAL 200 1)]
Die geometrische Auflösung schwankt in Abhängigkeit vom Nadirwinkel zwischen
0,82m und 1m im panchromatischen bzw. 3,24m und 4m in den Multispektralkanälen.
Neben einer hohen geometrischen Auflösung verfügt IKONOS mit 11 Bit auch über
eine hohe radiometrische Auflösung. Die technischen Daten des Satelliten sind in Tab.
1 noch einmal zusammengefasst.
Flughöhe: 681 km Bahnneigung: 98°, sonnensynchron Streifenbreite: 11,3 km Geschwindigkeit: 7,5 km/s im Orbit
6,8 km/s bezüglich der Erdoberfläche Wiederholrate/minimaler Abstand: 14 Tage/1-3 Tage geometrische Auflösung:
pan: multispektral:
Nadir: 0,82 m 3,24 m
26° Off Nadir: 1 m 4 m
radiometrische Auflösung: 11 Bit Spektralkanäle/Wellenlänge: pan:
1 (blau): 2 (grün): 3 (rot): 4 (NIR):
0.526 – 0.929 µm 0,455 – 0,516 µm 0,506 – 0,595 µm 0,632 – 0,698 µm 0,757 – 0,853 µm
Tab. 1: Technische Daten des Satelliten IKONOS (GEO EYE 2006)
Während für die typischen Fernerkundungsaufgaben insbesondere die radiometrischen
Eigenschaften, wie spektrale Auflösung oder Signal-Rausch-Verhältnis eine Rolle
spielen, geht es in dieser Arbeit primär um die geometrischen Eigenschaften. Daher
erscheint es notwendig, den Stand der Forschung auf dem Gebiet der geometrischen
Genauigkeit etwas näher zu betrachten.
2 Theoretische Grundlagen und Stand der Forschung 14
2.2.2 Untersuchungen zur geometrischen Genauigkeit der IKONOS- Daten
IKONOS Daten sind, je nach Verarbeitungsstufe, in Form verschiedener Bildprodukte
(siehe Tab. 2) erhältlich. Beim Kauf der Daten gilt eine Mindestabnahmemenge von
100 km2, bzw. von 49 km2 für Archivdaten der Geo, Standard Ortho und Reference
Stereo Produkte.
Lagegenauigkeit CE901 RMS
Ortho- rektifiziert
CARTERRA Geo 15.0m (in Entzerrungsebene)
N/A nein
CARTERRA Standard Ortho 50-75m 25.0m ja CARTERRA Reference 25.4m 11.8m ja CARTERRA Pro 10.2m 4.8m ja CARTERRA Precision 4.1m 1.9m ja CARTERRA Presicion Plus 2.0m 0.9m ja
Tab. 2: IKONOS- Bildprodukte (GEO EYE 2006)
Mit Ausnahme der CARTERRA Geo- Daten sind alle Produkte bereits orthorektifiziert
und unterscheiden sich im Wesentlichen in der Lagegenauigkeit und damit verbunden
auch im Preis. Am teuersten sind die Precision Plus Produkte, für die der Anwender
sowohl Passpunkte als auch ein DGM selbst bereitstellen muss. Die Geo- Daten stel-
len die preiswerteste Produktvariante dar. Sie sind bereits geometrisch korrigiert, je-
doch ohne Berücksichtigung reliefbedingter Verzerrungen. Wie aus Tab. 2 hervorgeht,
wird die Lagegenauigkeit in der Entzerrungsebene mit 15m angegeben, allerdings
kann diese in besonders bergigen Regionen bis zu einigen hundert Metern betragen.
(GEO EYE 2006)
Eine besondere Form der Geo- Produkte stellen die Geo Ortho Kit Daten dar, welche
zusätzlich die exakte Geometrie des Sensors zum Zeitpunkt der Aufnahme in Form
eines Image Geometry Model digital file (IGM) enthalten. Nach (TOUTIN, CHENG
2001) ist, bei Verwendung der Geo Ortho Kit Daten, in erster Linie die Genauigkeit des
verwendeten Digitalen Geländemodells und der Passpunkte (Ground Control Points -
GCP’s) ausschlaggebend für die metrische Genauigkeit der Orthorektifizierung. Den-
noch sind ihrer Meinung nach selbst bei Verwendung des PrecisionPlus- Prdoukts,
sowie von Passpunkten mit Genauigkeiten unter 1m und einem 5m genauen DGM
Subpixelgenauigkeiten bei der Orthorektifizierung von IKONOS Geo- Daten selbst in
flachem Gelände nicht erreichbar. Neuere Untersuchungen, wie sie beispielsweise
(EISENBEISS et al. 2004), (JACOBSEN 2006), (BALTSAVIAS et al. 2006) oder
1 CE90 = Circular Error mit 90% Wahrscheinlichkeit
2 Theoretische Grundlagen und Stand der Forschung 15
(FRASER et al. 2006) durchgeführt haben, zeigen jedoch, dass derartige Genauigkei-
ten durchaus erzielt werden können.
(GRODECKI, DIAL 2001, 2003) und (FRASER et al. 2006) machen deutlich, dass die
beste Methode zur Orthorektifizierung von IKONOS- Daten die Verwendung eines RPC
(Rational Polynomial Coefficient) Kamera Modells in Verbindung mit GCP’s ist. Die
Genauigkeit hängt dabei nur bedingt von der Anzahl der verwendeten Passpunkte ab.
Bei einer Verwendung von ein bis sechs GCP’s ist, mit steigender Anzahl der Pass-
punkte durchaus auch eine Genauigkeitssteigerung verbunden, eine größere Zahl von
GCP’s bringt allerdings keine wesentliche Verbesserung.
Auch (JACOBSEN 2002, 2005) und (BALTSAVIAS et al. 2006) kommen bei ihren
Untersuchungen zu dem Schluss, dass die Anzahl der verwendeten GCP’s von unter-
geordneter Bedeutung ist, da das Hauptproblem weniger in der inneren Genauigkeit
der Satellitendaten, als vielmehr in der exakten Definition der Passpunktlage besteht.
Nach (JACOBSEN 2002, 2005) reichen ein bis zwei GCP’s für die Georeferenzierung
völlig aus. Die Untersuchungen von (EISENBEISS et al. 2004) hingegen ergaben, dass
gerade bei bergigem Gelände eine größere Anzahl gut verteilter Passpunkte durchaus
einen Einfluss auf die erreichbare Genauigkeit hat. Möchte man nicht nur ein einzelnes
Satellitenbild sondern einen ganzen Block orthorektifizieren, so empfiehlt es sich, zu-
sätzlich zu den GCP’s Verknüpfungspunkte (tie points) zu messen, was sowohl auto-
matisch, als auch halbautomatisch oder manuell erfolgen kann (BALTSAVIAS et al.
2006).
Grundsätzlich sollte man bei der Auswahl der GCP’s berücksichtigen, dass diese gut
identifizierbar und gleichmäßig verteilt sind, sowie typische Landschaftsformen und
Nutzungsarten einbeziehen. Als GCP’s eignen sich dabei besonders symmetrische
Objekte oder Linienkreuzungen (BALTSAVIAS et al. 2001), (JACOBSEN 2005). Die
Genauigkeit der GCP’s sollte, in Anbetracht des Potentials der IKONOS- Daten im Be-
reich von 1 – 2dm liegen, was bei einer Bestimmung mit GPS durchaus realistisch ist
(BALTSAVIAS et al. 2001).
Neben den GCP’s hat auch das verwendete DGM, insbesondere bei sehr bewegtem
Gelände, einen Einfluss auf die Orthorektifizierung, da sich Fehler im DGM bzw. in der
Referenzhöhe als Lagefehler auswirken, wie aus Abb. 5 hervorgeht. Der Lagefehler ∆L
ist dabei abhängig von der Höhendifferenz ∆h zwischen Gelände und Bezugsfläche
und dem lokalen Nadirwinkel αL (siehe Formel 2.2-1). Die Differenz zwischen dem Be-
obachtungswinkel α und dem lokalen Nadirwinkel αL resultiert aus der Erdkrümmung;
in der Ebene gilt genähert α ≈ αL.
2 Theoretische Grundlagen und Stand der Forschung 16
Abb. 5: Einfluss der Referenzhöhe auf die Lagegenau igkeit [nach (JACOBSEN 2002)]
Mit einer Genauigkeit der GCP’s von 1 – 2dm, einer typischen Sensorelevation größer
65 Grad und einem genauen Geländemodell (im Bereich von 1 - 2m) erreichten
(BALTSAVIAS et al. 2001) und (EISENBEISS et al. 2004) bei der Orthorektifizierung
Genauigkeiten im Submeterbereich. Steht kein gutes DGM zur Verfügung, so besteht
eine Möglichkeit in der Verwendung von Stereosatellitenbildern. Die daraus abgeleite-
ten Geländemodelle weisen in offenem Gelände ebenfalls Genauigkeiten im Bereich
von 1m auf, wie z.B. aus (BALTSAVIAS et al. 2006) hervorgeht.
Die Genauigkeit der Orthorektifizierung ist die eine Seite, die sich anschließende Frage
ist, wie genau können Vektordaten aus den Ortho- Satellitenbildern extrahiert werden.
Es gibt hierzu bereits eine Reihe von Untersuchungen insbesondere bezüglich der 3D-
Punktbestimmung aus Stereosatellitendaten, wie beispielsweise von (BALTSAVIAS et
al. 2001) oder (JACOBSEN 2002). Hier wird deutlich, dass ein wesentliches Problem
bei der Datenerfassung in der Objekterkennbarkeit und –verifizierung besteht. Diese
wird stark beeinflusst von der Qualität des Bildes. Insbesondere Kontrastunterschiede,
aber auch Schatten, Wolken, Artefakte und ähnliches spielen dabei eine Rolle. Jacob-
sen stellte fest, dass infolge des schwächeren Kontrastes in den Satellitenbildern ge-
genüber Luftbildern deutlich weniger Objekte identifizierbar sind. Bei den von Baltsa-
vias et al. durchgeführten Tests konnten so ca. 15% der Gebäude nicht bzw. nur
unvollständig oder fehlerhaft modelliert werden. Die Objekterkennbarkeit kann aller-
dings durch eine Kombination der panchromatischen mit den Multispektraldaten etwas
verbessert werden (JACOBSEN 2006).
∆h
Projektionszentrum Orbit
Bezugsfläche
h
∆L
α
Gelände
∆L = ∆h tanαL ≈ ∆h tanα
αL
(2.2-1)
2 Theoretische Grundlagen und Stand der Forschung 17
Neben der Stereoauswertung von Satellitenbildern besteht eine weitere Möglichkeit zur
3D- Datenerfassung in der Anwendung des Monoplotting- Verfahrens. Hierbei werden
die Lagekoordinaten im orthorektifizierten Bild gemessen, die Höhe wird aus dem DGM
übernommen. Wie die Untersuchungen von (WILLNEFF et al. 2005) zeigen, sind für
die Einzelpunktbestimmung im Monoplotting- Verfahren durchaus Genauigkeiten im
Subpixelbereich erzielbar, zumindest wenn es sich um gut identifizierbare Objekte, wie
beispielsweise Straßenkreuzungen und Verkehrskreisel handelt.
Im Vergleich zu den manuellen Methoden ist die automatische Objektextraktion sicher-
lich das effizientere Verfahren zur großflächigen Datenerfassung aus Satellitenbildern.
Mit Hilfe entsprechender Bildsegmentierungs- oder Klassifikationsverfahren lassen sich
so beispielsweise Gebäudedaten für 3D- Stadtmodelle ableiten (MOSCH 2005) oder
Aufgaben im Bereich der Landschaftsplanung und –ökologie bewältigen (NEUBERT
2006). Neubert erreichte bei seinen Tests am Beispiel der Untersuchungsgebiete Dres-
den und Sächsische Schweiz eine Klassifikationsgüte im Bereich von 84 -90%. Dabei
war die Qualität der Segmentierung insbesondere bei kontrastreichen Übergängen und
farblich homogenen Objekten besonders gut, während es bei einer breiten Streuung
der Reflexionswerte innerhalb eines Objekttyps zu Fehlern in der Segmentierung kam.
Da es sich bei dem im Rahmen dieser Arbeit zu untersuchenden Gebiet um eine
Steinwüste, also um einen relativ homogenen Objekttyp handelt und sich die für die
Datenerfassung interessanten Objekte lediglich durch geringe Kontrastunterschiede
hervorheben, erscheinen die Methoden der Segmentierung und Klassifizierung hier
wenig erfolgversprechend und sie sollen daher im weiteren Verlauf der Arbeit keine
Berücksichtigung finden.
2.3 Digitale Geländemodelle
Die Arbeitsgemeinschaft der Vermessungsverwaltungen der Länder der Bundesrepu-
blik Deutschland (ADV 2004) definierte das digitale Geländemodell, engl. digital terrain
model (DTM), als einen „Datenbestand zur höhenmäßigen Beschreibung des Gelän-
des. Er besteht aus regelmäßig oder unregelmäßig verteilten Geländepunkten, die die
Höhenstruktur des Geländes hinreichend repräsentieren – optional ergänzt durch mor-
phologische Strukturelemente...“ Nach DIN 18709-1 Nr. 11.3.5.3 besteht das DGM aus
Höhenpunkten des digitalen Höhenmodells (DHM), engl. digital elevation model (DEM),
ergänzt durch zusätzlich Angaben, wie z.B. Geländekanten oder markante Höhen-
punkte. Das DHM wiederum ist die „Menge aller digital gespeicherten Höhen von
regelmäßig oder unregelmäßig verteilten Geländepunkten, die die Höhenstruktur eines
2 Theoretische Grundlagen und Stand der Forschung 18
Objektes z.B. des Geländes hinreichend repräsentieren.“ (DIN 18709-1 Nr. 11.3.5.1)
Wobei unter Gelände die „Grenzfläche zwischen der festen Erde und der Luft bzw.
dem Wasser“ (DIN 18709-1 Nr. 11.1.1) zu verstehen ist. Im Unterschied zum DGM
dient ein digitales Oberflächenmodell (DOM), engl. digital surface model (DSM) der
„höhenmäßigen Beschreibung einer Oberfläche, die aus Vegetation, Bebauung und
Gelände gebildet wird“ (ADV 2004).
Man unterscheidet grundsätzlich zwischen Raster- und Vektormodellen. Beim Raster-
modell wird das Gelände durch regelmäßig angeordnete Rasterzellen oder Pixel,
denen als Grauwert der jeweilige Höhenwert zugeordnet ist, wiedergegeben. Das
Vektormodell dagegen baut auf den diskreten Elementen Punkte, Linien, Flächen auf.
Bei den Punkten handelt es sich um dreidimensionale Koordinaten (X, Y, Z) ausge-
wählter Geländepunkte, die sowohl regelmäßig als auch unregelmäßig verteilt sein
können. Linienmodelle entstehen beispielsweise durch die Erfassung von Iso- oder
Höhenlinien. Ein typisches Flächenmodell ist das TIN (triangulated irregular network),
welches durch eine Dreiecksvermaschung regelmäßig oder unregelmäßig angeordne-
ter Punkten entsteht. (KRAUS 2000) und (BARTELME 2005) beschäftigen sich
ausführlich mit diesem Thema.
Die Qualität eines DGM ist im Wesentlichen abhängig von der Dichte und Verteilung
der Punkte, ihrer geometrischen Genauigkeit, der Qualität der Erfassung der geomor-
phologischen Merkmale des Geländes, sowie der verwendeten Interpolationsmethode.
Zu den geomorphologischen Eigenschaften gehören die Geländehöhe, die Neigung,
die Exposition und die Wölbung. Dabei versteht man unter:
• der Höhe (engl. Elevation)…den geometrischen Abstand eines Punktes von
einer Bezugsfläche.
• Die Neigung (engl. Slope)…ist der Winkel unter dem die Falllinie des Gelän-
des gegen die Horizontale geneigt ist. Der Wert der Neigung ist immer positiv
und liegt zwischen 0° und 90°. Mitunter wird die Ge ländeneigung auch in Pro-
zent angegeben.
• Die Exposition (engl. Aspect)…gibt die Ausrichtung der geneigten Fläche an.
Sie entspricht somit dem Azimut der Falllinie des Geländes und kann einen
Wert zwischen 0° und 360° annehmen.
• Die Wölbung (engl. Convexity)…setzt sich aus zwei Komponenten zusam-
men, der Wölbung bezüglich der Ebene und der Wölbung im Profil, die jeweils
plan, konkav oder konvex sein können.
2 Theoretische Grundlagen und Stand der Forschung 19
Eine unregelmäßige Anordnung der Punkte eines DGM, bei der Gerippelinien oder
Bruchkanten, zur Charakterisierung kritischer Bereiche wie z.B. Rücken oder Mulden
einbezogen werden, ermöglicht logischerweise eine bessere Abbildung der geomor-
phologischen Eigenschaften des Geländes als eine regelmäßige Punktanordnung.
Da das Ziel eines DGM in einer kontinuierlichen Beschreibung der Geländeoberfläche
besteht, ist es notwendig, die fehlenden Höheninformationen aus den diskreten (Stütz-)
Punkten mithilfe entsprechender Interpolationsalgorithmen zu schätzen. Hierfür stehen
unterschiedliche Verfahren zur Verfügung. Als Beispiele seien die Inverse Distanzge-
wichtung (IDW), die Methode der kleinsten Quadrate, die Verwendung von Splines
oder das Kriging- Verfahren genannt (MAUNE 2007 S. 9 ff). Weiterführende Informatio-
nen zu Interpolationsalgorithmen finden sich auch bei (KRAUS 2000).
Digitale Geländemodelle können auf unterschiedliche Art und Weise erstellt werden.
Die Art der Erfassung hängt dabei sowohl von den technischen Möglichkeiten, als auch
vom verfügbaren Datenmaterial und natürlich von den notwendigen Anforderungen an
das DGM ab. Im Folgenden sollen die im Rahmen der Arbeit verwendeten Erfas-
sungsmethoden kurz vorgestellt werden.
2.3.1 Digitale Geländemodelle aus topographischen K arten
Neben der tachymetrischen Aufnahme war in der Vergangenheit die Digitalisierung von
Höhenlinien (Isohypsen) aus Karten eine der am weitesten verbreiteten Methoden zur
Erzeugung eines DGM, da die Erfassung vergleichsweise schnell und einfach möglich
ist und die Kartengrundlagen meist in relativ guter Qualität vorhanden sind.
Ein Problem der aus Höhenlinien abgeleiteten Geländemodelle besteht in der inhomo-
genen Verteilung der digitalisierten Punkte. In wenig bewegtem Gelände sind die
Punktabstände sehr groß, in stark bewegten Gebieten hingegen sehr gering. Die Er-
gebnisse der Interpolation sind somit sehr stark abhängig von der Äquidistanz der Iso-
hypsen und der Punktdichte. Auf die Genauigkeit des resultierenden DGM wirken sich
zudem die Digitalisiergenauigkeit und die Qualität der zugrunde liegenden Karten aus.
Dabei spielen neben der Aktualität der Karten insbesondere das verwendete Aufnah-
meverfahren, der Maßstab, die aus der Generalisierung und Interpolation der Höhen-
linien resultierenden Ungenauigkeiten und der Papierverzug der Karte eine wichtige
Rolle.
2 Theoretische Grundlagen und Stand der Forschung 20
2.3.2 Digitale Geländemodelle aus photogrammetrisch er Stereoauswertung
Eine ebenfalls häufig verwendete und sehr genaue Methode zur DGM- Erzeugung ist
die photogrammetrische Stereoauswertung. Voraussetzung ist, dass Stereobildpaare
vom entsprechenden Gebiet vorliegen. Hierbei kommen neben Luftbildern in jüngster
Zeit auch Stereosatellitenbilder erfolgreich zum Einsatz. Außerdem wird das bislang
sehr zeitaufwändige Verfahren der manuellen Auswertung der Stereobilddaten, infolge
des Übergangs von der analogen zur digitalen Photogrammetrie, zunehmend durch
halbautomatische und automatische Auswerteverfahren abgelöst. Dabei werden mit
Hilfe entsprechender Korrelationsalgorithmen die korrespondierenden Bildstellen in
den beiden Bildern eines Stereobildpaares automatisch zugeordnet. (KRAUS 2004)
Die Genauigkeit eines durch photogrammetrische Auswertung gewonnenen DGM ist
abhängig von der Flughöhe über Grund hg, der Kammerkonstante c und der Gelände-
neigung αg und berechnet sich nach (KRAUS 2004, S. 359) wie folgt:
⋅+±= ggg tanαhc
0.15 h von ‰0.15Hσ (2.3-1)
Die Qualität des DGM wird zudem beeinflusst von der Aufnahmequalität der Bilder
(z.B. Textur, Wolkenbedeckung, Dunst), vom Auflösungsvermögen, vom Relief und der
Landnutzung (Bebauung, Vegetation) sowie von der Genauigkeit der Bildorientierung.
Untersuchungen zur automatischen DGM- Generierung zeigen, dass derzeit eine voll-
automatische Auswertung, ohne interaktives Eingreifen noch zu Lasten der Qualität
geht und einen Informationsverlust zur Folge hat. Insbesondere bei schlechtem bzw.
schwach texturiertem Bildmaterial lässt die automatische Auswertung noch sehr zu
wünschen übrig. So kam (SAUERBIER 2004) bei der Auswertung von 26 Luftbildern
des Nasca- Blocks zu dem Ergebnis, dass eine automatische DGM- Generierung mit
der vorhandenen kommerziellen Software keine befriedigenden Ergebnisse liefert. Er
stellte fest, dass nur mit aufwändigen Editierungen des Datenmaterials und zusätz-
lichen manuellen Messungen Genauigkeiten im Bereich der manuellen Stereoauswer-
tung erzielt werden konnten. Eine Ausnahme bildeten hierbei die ebenen Gebiete, in
denen die automatische DGM- Generierung teilweise bessere Ergebnisse als die
manuelle Messung lieferte. Grund dafür ist die deutlich größere Punktdichte beim
automatischen Verfahren. Im Vergleich zu kommerziellen Softwareprodukten konnte
(SAUERBIER 2006) mit der an der ETH Zürich entwickelten Software SAT-PP deutlich
bessere Resultate bei der automatischen DGM- Generierung erzielen, allerdings reicht
2 Theoretische Grundlagen und Stand der Forschung 21
die Genauigkeit auch hier noch nicht an die der manuellen Auswertung heran. Eine
halbautomatische Methode ist daher die sinnvollste Variante zur DGM- Generierung.
2.3.3 Digitale Geländemodelle aus SRTM- Daten
Ein Problem der bislang genannten Verfahren besteht darin, dass die Daten häufig
nicht flächendeckend zur Verfügung stehen und die Datenerfassung zudem recht zeit-
aufwändig ist. Neue Methoden, wie Laserscanning oder Radarinterferometrie liefern
hingegen Oberflächenmodelle in hoher und vor allem homogener Qualität, die zudem
große Bereiche der Erdoberfläche abdecken. Ein Beispiel dafür sind die Ergebnisse
der Shuttle Radar Topography Mission (SRTM).
2.3.3.1 Technische Daten
Am 11. Februar 2000 startete die 11-tägige Shuttle Radar Topography Mission als ein
Gemeinschaftsprojekt von NASA (National Aeronautics and Space Administration),
NIMA (National Imagery and Mapping Agency, jetzt NGA), DLR (Deutsches Zentrum
für Luft- und Raumfahrt) und ASI (Agenzia Spaziale Italiana), mit dem Ziel, ein globales
digitales Geländemodell zu erstellen. Aus einer Flughöhe von 233 km wurden insge-
samt über 80% der Erdoberfläche zwischen 60° nördli cher und 56° südlicher Breite
mittels Interferometric Synthetic Aperture Radar (InSAR), einem aktiven Mikrowellen-
abbildungsverfahren, aufgenommen. Ähnlich dem optischen Stereoverfahren benötigt
man auch für die Interferometrie jeweils zwei Aufnahmen von verschiedenen Positio-
nen. Diese interferometrische Basislinie wurde durch einen 60m langen Auslegermast
realisiert. Für die Aufnahme kamen zwei simultan arbeitende Antennenpaare (C-Band
und X-Band), bestehend aus jeweils einer Masterantenne (transmit and receive) in der
Ladebucht des Shuttles sowie einer Slave- Antenne (receive-only) am Ende des Ausle-
germastes, zum Einsatz. An der Masterantenne befand sich außerdem eine Messvor-
richtung zur Bestimmung der räumlichen Lage und Ausrichtung des Shuttles. Zur Be-
stimmung der absoluten Lage und der Orientierungs- und Positionsänderungen nutzte
man GPS und INS (Inertiales Navigationssystem).
Der Grundgedanke zur Bestimmung eines DGM mittels Radarmessungen lässt sich
relativ einfach anhand von Abb. 6 erläutern. Die Methode wird, analog zur Photogram-
metrie, als „Stereo SAR Radargrammetrie“ bezeichnet und gilt streng genommen für
sehr große Basislängen.
2 Theoretische Grundlagen und Stand der Forschung 22
Abb. 6 SRTM- Aufnahmegeometrie [nach (WOODHOUSE 200 6)]
Dabei lässt sich die Höhe h eines Punktes P bestimmen aus der Höhe der Sendean-
tenne Ho, der Schrägdistanz SR zwischen der Antenne und dem Punkt P, und dem
Kosinus des Beobachtungswinkels α nach der Gleichung (vgl. WOODHOUSE 2006,
S.302 ff):
α⋅−= cosSHh Ro (2.3-2)
Aus Abb. 6 ergibt sich nach dem Cosinussatz:
( ))sin(bS2bS
)90cos(bS2bSSS
R22
R
R22
R2
RR
ε−α⋅⋅⋅−+=
ε+α−°⋅⋅⋅−+=∆+ (2.3-3)
Durch Umstellen der Gleichung 2.3-3 erhält man für den Beobachtungswinkel α :
ε+
⋅⋅∆⋅⋅−∆−
=αbS2
SS2Sbarcsin
R
RR2
R2
(2.3-4)
Die Differenz der Schrägentfernungen ∆SR berechnet sich nach (WOODHOUSE 2006)
aus der Phasendifferenz ∆φ und der Wellenlänge λ des Radars zu:
πφ∆⋅λ=∆
2SR (2.3-5)
Die Höhe h des Punktes P berechnet sich somit, unter Berücksichtigung von 2.3-2 bis
2.3-4 und mit Gleichung 2.3-5, wobei die Basislänge b und die Wellenlänge λ bekannt
sind; die Höhe Ho, der Basislinienwinkel ε und die Entfernung SR sowie die Phasendif-
ferenz ∆φ werden durch Messung bestimmt.
HO
ε
SR
SR+∆SR
P
h Bezug: EGM96
b … Basislänge (=60m) SR … Distanz: Antenne - Objekt α … Beobachtungswinkel ε … Basislinienwinkel h … Geländehöhe in P HO … Höhe des Shuttle
b
α
Antenne
2 Theoretische Grundlagen und Stand der Forschung 23
ε+
⋅⋅π
φ∆⋅λ⋅−
πφ∆⋅λ−
⋅−=bS2
S2
barcsincosSHh
R
R
22
Ro (2.3-6)
Für die SRTM- Auswertung gilt jedoch, dass die Basislänge b sehr viel kleiner als SR ist
(b << SR). Infolge dessen wir hier die sogenannte Radar- Interferometrie (InSAR) zur
Auswertung des Höhenmodells verwendet, worauf im Folgenden nicht näher einge-
gangen werden soll.
Das US- amerikanische Spaceborne Imaging Radar SIR-C-Band der NASA arbeitete
mit einer Wellenlänge von 5.6cm und tastete die Oberfläche in 225km breiten Streifen
ab, womit eine Abdeckung nahezu der gesamten Landfläche zwischen 56° S und 60°
N erreicht wurde. Das deutsch/italienische Synthetic Aperture Radar X-SAR-Band
nutzte eine Wellenlänge von 3.1cm und eine Streifenbreite von 50km, wodurch die
Abdeckung deutlich geringer ist (vgl. Tab. 3). Die unterschiedliche Wellenlänge der
beiden Bänder beeinflusst das Eindringvermögen der Radarstrahlen in die Oberfläche.
Dabei ist die Eindringtiefe umso größer, je größer die Wellenlänge ist (vgl. Abb. 7).
Abb. 7: Eindringtiefen von Mikrowellen [Quelle: (AL BERTZ 2001, S. 64)]
Weitere Details zur Mission und zur Auswertung der Daten finden sich u. a. bei
(RABUS et al. 2003) und (MAUNE 2007) sowie auf den Internetseiten des (DLR 2006),
des (JPL 2006) und des (USGS 2004, 2006).
2 Theoretische Grundlagen und Stand der Forschung 24
2.3.3.2 Auswertung und Ergebnisse
Die Auswertung der X- und C-Band- Daten erfolgte getrennt voneinander. Das JPL (Jet
Propulsion Laboratory) der NASA übernahm die Bearbeitung der C-Band- Daten, die
Auswertung der X-Band- Daten fand beim DLR statt. Die endgültig ausgewerteten
Ergebnisse werden als SRTM DTED Level 2- Produkt (finished version) bezeichnet
und beinhalten nach (DOWDING et al.) die folgenden Datenkorrekturen:
• Entfernung von Fehlern (Punkte, die mehr als ±100m aus der Umgebung
herausragen) aus den Rohdaten,
• Füllen von kleinen Lücken (≤16Pixel) durch Interpolation,
• Editieren der Gewässer: Höhe der Ozeane =0, konstanter Höhenwert für
Gewässer mit einer Ausdehnung >600m, Bearbeitung der Höhenwerte von
Flüssen mit einer Breite >183m ,
• Heraushebung von Inseln, soweit sie eine Ausdehnung >300m besitzen bzw.
das Relief mehr als 15m über dem Meeresspiegel liegt.
Für die aus den korrigierten Daten generierten Höhenmodelle wird eine absolute Lage-
genauigkeit von ±20m und eine absolute Höhengenauigkeit von ±16m, bei einem Kon-
fidenzintervall von 90%, angegeben.
Die Produktspezifikationen sind in Tab. 3 zusammengefasst:
Systemparameter X-Band C-Band Wellenlänge 3.1 cm 5.6 cm Streifenbreite 50 km 225 km Abdeckung 119 Mio. km2 58 Mio. km2 Produktparameter Rastergröße 1“x1“ 1“x1“ Datum (horizontal) WGS84 WGS84 Datum (vertikal) WGS84 EGM96 geoid Datenformat 16-bit Signed Integer 16-bit Signed Integer horizontale Genauigkeit (absolut) ±20m 90% circular error ±20m 90% circular error horizontale Genauigkeit (relativ) ±15m 90% circular error ±15m 90% circular error vertikale Genauigkeit (absolut) ±16m 90% vertical error ±16m 90% vertical error vertikale Genauigkeit (relativ) ±6m 90% vertical error ±12m 90% vertical error
Tab. 3: Produktspezifikationen nach (RABUS et al. 2 003), (HOFFMANN, WALTER 2006)
Die X-Band- Daten mit einer Auflösung von 1 Bogensekunde (SRTM-1), also etwa 30m
in Länge und Breite, können beim DLR im Format DTED-2 (Digital Terrain Elevation
Data - Stufe 2) bezogen werden. Die C-Band- Daten dagegen stehen in der 1“x1“-
Auflösung nur im Bereich der USA zur Verfügung. Für alle sonstigen Gebiete wurde
2 Theoretische Grundlagen und Stand der Forschung 25
aus den 1“x1“- C-Band- Daten ein DOM mit einer Rastergröße von 3 Bogensekunden
(SRTM-3), das entspricht etwa 90m, interpoliert. Die NASA stellt die SRTM-3- Daten
kostenlos im Internet zum Download bereit. Sie können via ftp2 vom LP DAAC (Land
Processes Distributed Active Archive Center) im HGT- Format heruntergeladen werden
oder stehen über das SDDS3 (Seamless Data Distribution System) des EDC (EROS
Data Center) in mehreren Rasterformaten (ArcGRID, GridFloat, BIL, TIFF) zur Verfü-
gung. Bereits bearbeitete Daten bietet beispielsweise das CGIAR-CSI4 (Consortium for
Spatial Information der Consultative Group on International Agricultural Research) oder
das GLCF5 (Global Land Cover Facility) an. Während das CGIAR-CSI zum Füllen der
Lücken Sekundärdaten (z.B. SRTM-30 bzw. GTOPO30) nutzte, verwendete man beim
GLCF Interpolationsverfahren.
Zusätzlich gibt es noch die SRTM-30 Daten, welche, ähnlich wie die GTOPO-30 Daten,
insbesondere für kartographische Anwendungen im kleinmaßstäbigen Bereich geeig-
net sind. Die SRTM-30 Daten sind aus den SRTM-3 Daten abgeleitet und in den Berei-
chen, in denen Datenlücken vorlagen, mit GTOPO-30 Daten ergänzt worden. Wie
GTOPO30 verfügen sie über eine Auflösung von 30 Bogensekunden, also ca. 900m.
Das horizontale Datum ist ebenfalls das WGS84, vertikales Datum ist, wie bei den
SRTM-3 Daten, das EGM 96 Geoid. Auch diese Daten stehen auf dem ftp- Server des
LP DAAC zum kostenlosen Download zur Verfügung.
2.3.3.3 Untersuchungen zur Genauigkeit der SRTM- Da ten
Betrachtet man die Frage der Genauigkeit von SRTM- Daten, so muss man zunächst
unterscheiden, um welchen Datensatz es sich dabei handelt und welche geometrische
Auflösung die Daten haben. Die X-Band- Daten, welche vom DLR mit der in Tab. 3
angegebenen Auflösung von 1“x1“ zusammen mit einer Höhenfehlerkarte geliefert
werden, verfügen über eine relative Lagegenauigkeit von ±15m und eine relative Hö-
hengenauigkeit von ±6m, bei einem Konfidenzintervall von 90%. Die relative Höhenge-
nauigkeit der C-Band- 1“x1“- Daten ist mit ±12m etwas geringer. Die absolute Lagege-
nauigkeit liegt bei ±20m, die Höhengenauigkeit bei ±16m.
Die Höhenfehlerkarte gibt Auskunft über problematische Flächen im jeweiligen Aus-
schnitt des Höhenmodells. Probleme gibt es, infolge des ungünstigen Signal-Rausch-
Verhältnisses, insbesondere im Bereich von Gewässern. Die Intensität des zurückkeh-
2 ftp://e0srp01u.ecs.nasa.gov/srtm/version2/SRTM3/ (07.05.2007) 3 http://seamless.usgs.gov/website/Seamless/ (07.05.2007) 4 http://srtm.csi.cgiar.org/ (07.05.2007) 5 http://glcf.umiacs.umd.edu/data/srtm/ (07.05.2007)
2 Theoretische Grundlagen und Stand der Forschung 26
renden Signals ist hier sehr gering, da die Wasseroberfläche das auftreffende Signal
nahezu völlig spiegelnd reflektiert. Aber auch in bewegtem Gelände treten Probleme
(vgl. Abb. 8) in Form von Layover, Shadow und Foreshortening auf (SEFERCIK,
JACOBSEN 2006).
Abb. 8: Einfluss des Reliefs [nach (ALBERTZ 2001, S . 80)]
Infolge der Aufnahmegeometrie werden Punkte, die sich in der Bezugsebene befinden,
lagerichtig abgebildet, während höher gelegene Punkte in Richtung des Sensors ver-
setzt erscheinen. Bei den dem Sensor zugewandten Geländeflächen tritt dabei eine
Verkürzung (engl.: Foreshortening) auf. Ist das Gelände stärker geneigt als die Radar-
wellenfront, bzw. größer als der Beobachtungswinkel, so geht die Verkürzung in eine
Umklappung (engl.: Layover) über. Sind von der Antenne abgewandte Geländeflächen
stärker geneigt als die Radarwellenfront, bzw. ist die Geländeneigung größer als der
Depressionswinkel, so entstehen sogenannte Radarschatten (engl. Radar shadow),
also informationslose dunkle Bereiche im Radarbild (DIN 18716-3 Nr. 5.6.10-12). (vgl.
hierzu auch (ALBERTZ 2001, S. 79-82) und (LILLESAND, KIEFER 2000, S. 632-634))
Beim Vergleich der Daten des X-Bandes mit denen des C-Bandes kommt (JACOBSEN
2004) zu dem Ergebnis, dass, infolge der größeren Streifenbreite des C-Bandes, der
Layover- Effekt hier bereits bei einer Geländeneigung von 30° einsetzt, wohingegen
das Layover beim X-Band erst bei ca. 50° anfängt. D ies führte letztlich dazu, dass im
C-Band ein größerer Anteil grober Fehler beobachtet werden konnte. Außerdem stellt
Jacobsen eine klare Abhängigkeit der Höhengenauigkeit von der Geländeneigung fest.
2 Theoretische Grundlagen und Stand der Forschung 27
In den C-Band (3“) Daten äußern sich diese Problemflächen in Form von Lücken im
DGM. Diese Lücken oder Fehlpixel sind durch den Grauwert -32768 leicht erkennbar.
Globale Statistiken des JPL sprechen von ca. 0.15% Lücken in den SRTM- Daten,
allerdings können es regional auch deutlich mehr sein, so z.B. in Nepal, wo etwa 30%
des gesamten Gebietes betroffen sind. Insgesamt ist eine Abhängigkeit zwischen Ge-
ländeneigung und Anteil der Lücken zu beobachten. So kamen (HALL et al. 2005) zum
Ergebnis, dass bei Höhen über 2500m, einer Geländeneigung zwischen 20° und 65°
sowie großer Rauhigkeit des Geländes ein deutlicher Anstieg der Fehlpixel zu beo-
bachten ist. Allerdings werden etwa 49% aller Lücken durch Wasserflächen verursacht.
Die Beseitigung der Fehlpixel erfolgt in den meisten Fällen durch Interpolation, was bei
kleinen Flächen oder einzelnen Pixeln durchaus gute Ergebnissen liefert. Bei großen
Lücken, insbesondere in bergigem Gelände, führt dies jedoch zu groben Fehlern. Da-
her ist es in diesen Gebieten sinnvoll, andere Höhendaten zum Füllen der Lücken hin-
zuzuziehen (DENKER 2005). Eine Bewertung der verfügbaren Tools und
Interpolationsalgorithmen zur Beseitigung von Lücken findet man beispielsweise bei
(GAMACHE 2004). Gamache stellt außerdem fest, dass gerade im Randbereich
größerer Lücken Fehler im Datenmaterial auftreten und empfiehlt daher, die Randpixel
zu beseitigen, bevor die Lücken mit Höhendaten aus sekundärem Datenmaterial gefüllt
werden.
Ein weiteres von (JACOBSEN 2004) angesprochenes Problem besteht in mitunter auf-
tretenden Lageverschiebungen, hervorgerufen durch die direkte Sensororientierung
oder auch durch Datumsprobleme. Er empfiehlt daher eine Lageüberprüfung der Ge-
ländemodelle.
(HOFFMANN, WALTER 2006) verglichen Daten des C- und des X-Bandes (Auflösung
jeweils 1“x1“) aus unterschiedlichen Testgebieten hinsichtlich Lage- und Höhengenau-
igkeit, Vollständigkeit und Komplementarität.
Abb. 9: Höhendifferenz zwischen C- und X-Band [Quel le: (HOFFMANN, WALTER 2006)]
2 Theoretische Grundlagen und Stand der Forschung 28
Bei diesen Tests wurde kein horizontaler, wohl aber ein vertikaler Offset, der in Ab-
hängigkeit von der geographische Lage des Testgebietes unterschiedlich groß ausfiel
(vgl. Abb. 9), aufgedeckt. So wies das C-Band im Testgebiet Südamerika etwa 10m
höhere Werte als das X-Band auf. Im Testgebiet Deutschland standen zusätzlich GPS-
gemessene Punkte zum Vergleich mit den Daten des C-/X-Bandes zur Verfügung.
Hoffmann und Walter kamen hier zu dem Ergebnis, dass bei 90% der Werte die Hö-
hendifferenzen zwischen C/X-Band DEM und GPS kleiner als 5m waren. Die Stan-
dardabweichung beider Datensätze lag in diesem Gebiet bei ≈4m. Ähnliche Ergebnisse
erzielten auch (KOCH et al. 2002), die bei der Untersuchung von X-Band- Daten im
Raum Hannover im offenen Gelände zu einer Standardabweichung von 3.3m, einer
maximalen horizontalen Verschiebung von 4-6m und einem systematischen Höhen-
fehler von +2.3m kamen.
(BERRY et al. 2007) validierten die global verfügbaren SRTM-3 Daten unter Verwen-
dung von ERS-1 und ENVISAT- Daten. Für Südamerika erhielten sie eine mittlere Dif-
ferenz von 12.22 m bei einer Standardabweichung der Differenzen von 18.51 m. Dabei
waren die SRTM- Daten fast überall höher als die Referenzdaten, was die Vermutung
nahe legte, dass die ausgedehnten Waldflächen des Amazonas- Gebietes ausschlag-
gebend für diese großen Abweichungen sind.
Wie bereits erwähnt, nimmt das InSAR im Prinzip ein Oberflächenmodell auf, was dazu
führt, dass es insbesondere in bewaldeten und bebauten Flächen zu Höhenfehlern im
Vergleich zum DGM kommt. (JACOBSEN 2004) zeigt in seinen Untersuchungen am
Beispiel von Forstflächen in einem Testgebiet in der Türkei, dass bei einer durch-
schnittlichen Baumhöhe von 10m ein systematischer Höhenfehler in den SRTM- Daten
von ca. 8m auftritt. Bei seinen Untersuchungen von SRTM-3 Daten im ebenen Gelände
kommt Jacobsen ebenfalls zu einer mittleren Genauigkeit kleiner ±5m unter der Vor-
aussetzung, dass zuvor eventuell vorhandene Lageverschiebungen korrigiert werden.
Dennoch treten auch im ebenen Gelände bei einem nicht unerheblichen Anteil der
Höhen Differenzen größer als 50m auf. (DENKER 2005) kommt bei seinen Vergleichen
sogar zu noch größeren maximalen Höhendifferenzen, wobei er eine Ursache hierfür in
der unterschiedlichen Aufnahmeepoche von SRTM- und Referenzdaten vermutet.
Zusammenfassend lässt sich somit feststellen, dass die Genauigkeit der SRTM- Daten
sowohl von der Sensorgeometrie, als auch von den Eigenschaften des Geländes wie
Geländeneigung, Rauhigkeit und Material, sowie vom Signal-Rausch-Verhältnis ab-
hängt. Die seitliche Beleuchtung infolge des schrägen Blickwinkels führt dabei zu un-
erwünschten Phänomenen, wie Verkürzung, Umklappung oder Abschattung.
3 Ausgangsmaterial 29
3 Ausgangsmaterial
3.1 Das Untersuchungsgebiet
Das Untersuchungsgebiet der Pampa von Nasca und Palpa liegt etwa 450km südlich
der peruanischen Hauptstadt Lima in der Provinz Ica, am Rande der Atacama- Wüste
zwischen der Pazifikküste im Westen und den Ausläufern der Anden im Osten. Mit
jährlichen Niederschlagsmengen von nur wenigen Millimetern gehört diese Steinwüste
an der Westküste Südamerikas zu den trockensten Regionen der Erde. Während der
Regenzeit in den Anden führen die Flüsse teilweise Wasser und ermöglichen somit ein
Leben in der Wüste. Die präkolumbische Nasca- Kultur, die sich zwischen 200 v. Chr.
und etwa 800 n. Chr. in den Täler des Río Grande und seiner Nebenflüsse entfaltete,
hinterließ ihre Spuren in der Pampa von Nasca und Palpa in Form von sogenannten
Geoglyphen (Bodenzeichnungen), welche infolge der besonderen klimatischen Situa-
tion in der Wüste bis heute erhalten blieben.
Abb. 10: Lage des Gebietes [Datenquellen: World Bas emap 6, Landsat ETM+ 7, GTOPO308] 6 http://arcdata.esri.com/data_downloader/DataDownloader?part=10200 (02.05.2007) 7 http://edcsns17.cr.usgs.gov/EarthExplorer/ (02.05.2007) 8 http://edc.usgs.gov/products/elevation/gtopo30/gtopo30.html (02.05.2007)
3 Ausgangsmaterial 30
Innerhalb der Pampa von Nasca und Palpa lassen sich mehrere Regionen mit teilweise
unterschiedlichen Arten von Bodenzeichnungen ausmachen. Während sich die be-
kannteren Linien und Figuren der „Pampa de Nasca“ auf einem Wüstenplateau nörd-
lich des Río Nasca bis hin zum Tal des Río Ingenio (vgl. Abb. 10) auf mehreren hun-
dert Quadratkilometern erstrecken, befinden sich nördlich des Ingenio- Tales bis hin
nach Palpa, sowie südlich des Río Nasca mehrere kleine Gebiete mit Flächen und
Figuren, die häufig an Berghängen, bzw. am Fuße oder auf dem Gipfel der Berge zu
finden sind. Im Gegensatz zu den in der Pampa von Nasca befindlichen Geoglyphen,
welche vom Boden aus nahezu unsichtbar sind, können die Zeichnungen in den
Bergen oft auch vom Boden oder den umliegenden Hügeln aus betrachtet werden.
Vermutlich stammen viele dieser Geoglyphen in Palpa und im Ingenio- Tal bereits aus
der vorangegangenen Paracas- Zeit (ca. 800 – 200 v. Chr.).
Das im Rahmen dieser Arbeit zu untersuchende Gebiet beschränkt sich auf die Pampa
von Nasca, da einerseits nur für dieses Gebiet IKONOS- Satellitendaten existieren und
andererseits die für die astronomischen Untersuchungen relevanten Linien und
Flächen vorwiegend in dieser Region zu finden sind.
3.2 Passpunkte
Eine Grundvoraussetzung für die Orthorektifizierung von Satellitendaten und die Aero-
triangulation von Luftbildern sind möglichst genaue Passpunkte (GCP’s). Um diese zu
bestimmen, fand im Sommer 2004 eine 4-wöchige Messkampagne in der Pampa von
Nasca mit 18 Teilnehmern aus Deutschland, Tschechien und Peru statt. Die Firma
Leica Geosystems stellte dafür 6 GPS- Empfänger des Systems 1200 zur Verfügung.
Das Ziel der Messkampagne bestand in erster Linie in der Bestimmung der Pass-
punkte, daneben wurden auch ausgewählte Figuren und für astronomische Untersu-
chungen relevante, lange Linien (> 3km) bestimmt.
Für die Durchführung von Messungen im Weltkulturerbe Nasca/Palpa ist eine Geneh-
migung zum Betreten der Pampa erforderlich, welche in begründeten Ausnahmefällen
vom INC, dem Instituto Nacional de Cultura, in Lima erteilt wird. Eine solche Genehmi-
gung beschränkt sich auf ein bereits im Antrag zu spezifizierendes Messungsgebiet, ist
zeitlich begrenzt und wird für konkret benannte Personen unter strengen Auflagen er-
teilt. Das Messungsgebiet 2004 war begrenzt auf das Gebiet, für welches zum damali-
gen Zeitpunkt IKONOS- Daten vorlagen.
Um auf dem mehrere hundert Quadratkilometer umfassenden Wüstenplateau die Ori-
entierung nicht zu verlieren, wurden im Vorfeld geeignete Konturenpasspunkte in den
3 Ausgangsmaterial 31
Luft- und Satellitenbildern definiert, mit Näherungskoordinaten versehen und in Form
von detaillierten Passpunktbeschreibungen für die Feldkampagne aufbereitet. Auf die-
ser Grundlage erfolgte mit Hilfe von GPS die Suche der Punkte im Gelände. Schwierig
gestaltete sich mitunter die Verifizierung der im Bild gut sichtbaren Passpunkte in der
Örtlichkeit. Ließ sich keine Übereinstimmung zwischen Bild und Gelände herstellen, so
mussten Punkte weggelassen bzw. Ersatzpunkte an anderer Stelle definiert werden.
Als primäre Messmethode kam das RTK (Real Time Kinematik)- Verfahren zum Ein-
satz, da hierzu eine Beobachtungsdauer von einigen Sekunden ausreicht und gleich-
zeitig cm- Genauigkeiten erreichbar sind. Voraussetzung zur Anwendung der RTK-
Methode ist allerdings die Verfügbarkeit mindestens einer Referenzstation sowie die
Gewährleistung einer Kommunikation zwischen Referenz und Rover. Die Reichweite
der verfügbaren Funkverbindung lag bei durchschnittlich 10km, was bedeutete, dass
mehrere Referenzstationen zur Abdeckung des Messungsgebietes notwendig waren.
Da im Messungsgebiet keine vertrauenswürdigen Passpunkte vorlagen, wurde zu Be-
ginn der Messung ein Netz aus fünf Festpunkten entlang der Panamericana, sowie
einer Basisreferenzstation in Nasca (BASISREF) vermarkt und über statische GPS-
Messung bestimmt. Zur Kontrolle des Anschlusses an das Netz der peruanischen Lan-
desvermessung diente ein Punkt des peruanischen Festpunktfeldes (Ordnung „A“) in
Marcona- Nord, ca. 115km südlich der BASISREF, dessen Bestimmung ebenfalls über
statische Messung erfolgte. Punktbeschreibung und Koordinaten dieses Punktes stellte
das Instituto Geográfico Nacional (IGN) zur Verfügung. Zur Berechnung der Referenz-
stationen wurden vier Permanentstationen herangezogen (vgl. Tab. 4).
Permanentstation Entfernung zur BASISREF Arequipa/Peru ≈ 411 km Lima (Química Suiza)/Peru ≈ 378 km Bogota/Kolumbien ≈ 2146 km Santiago de Chile/Chile ≈ 2065 km
Tab. 4: Entfernung der Permanentstationen
Jede der Referenzstationen war im Laufe der 4-wöchigen Messkampagne mehrfach
besetzt. Die Auswertung der einzelnen Sessionen wurde tageweise vorgenommen und
die Resultate anschließend gemittelt. Der zum Zeitpunkt der Messung verwendete Be-
zugsrahmen war das ITRF2000, zur gemittelten Epoche 2004,665. Im Ergebnis konn-
ten für die Bestimmung der Referenzstationen im Messungsgebiet Standardabwei-
chungen ≤1cm sowohl in der Lage als auch in der Höhe erreicht werden (vgl. Tab. 5).
Die absolute Genauigkeit liegt, infolge der Länge der Basislinien, im Bereich von ca.
15cm. (PANTZER 2005)
3 Ausgangsmaterial 32
Punkt- Nr. σX in cm σY in cm σZ in cm BASISREF 0.55 0.78 0.31 HILLX-REF 0.61 0.76 0.75 REF-1 0.30 0.96 0.46 REF-2 0.08 0.30 0.45 REF-3 0.08 0.10 0.28 REF-4 0.12 0.43 0.16 MARCONA 0.03 0.04 0.02
Tab. 5: Standardabweichungen der Referenzstationen [Quelle: (PANTZER 2005)]
Ein Vergleich der 1996 vom IGN bestimmten ITRF94/EGM96- Koordinaten des Fest-
punktes Marcona- Nord mit den ebenfalls ins ITRF94/EGM96 transformierten Koordi-
naten aus der Messung 2004 ergab eine Lagedifferenz von 0.616m und eine Höhen-
differenz von 0.885m. Ob sich, wie vom IGN vermutet, die Auswirkungen des Erdbe-
bens von 1996 in diesem Resultat widerspiegeln, konnte bislang nicht geklärt werden.
Eine zusätzliche Koordinatenliste des IGN mit Festpunkten niederer Ordnung aus dem
Jahre 1996 diente dazu, weitere bekannte Punkte im Messungsgebiet aufzusuchen.
Von den insgesamt 9 Festpunkten konnten vier eindeutig identifizierbare Punkte ge-
funden und mittels RTK bestimmt werden. Die Punkte waren durch Betonpfeiler mit
Marke, welche auch die Punktnummer enthält, vermarkt (vgl. Abb. 11 rechts). Der
Koordinatenvergleich ergab Lagedifferenzen bis 25m und Höhendifferenzen bis zu
28m, weshalb die Punkte als Anschlusspunkte nicht verwendbar waren.
Abb. 11: Festpunkte des IGN- Netzes (links: Marcona -Nord; rechts: QQ37R)
Insgesamt konnten im Rahmen der Messkampagne etwa 2200 Punkte mit einer relati-
ven Lage- und Höhengenauigkeit zwischen 1cm und 5cm bestimmt werden. Hierbei ist
allerdings die Genauigkeit der Identifizierung der Punkte in der Örtlichkeit zu berück-
sichtigen. Die Passpunkte, insbesondere Linienkreuzungen oder Kreuzungen von
Reifenspuren, wurden so gewählt, dass ihre Lage im Gelände auf etwa 10-15cm genau
definiert werden konnte. Andere Konturenpunkte hingegen, wie z.B. Linien und
3 Ausgangsmaterial 33
Flächenbegrenzungen, lassen sich häufig nicht genauer als auf 20-30cm festlegen.
Daher wäre es nicht objektiv, die hohe Genauigkeit der GPS- Auswertung auf die Ge-
nauigkeit der gemessenen Punkte zu übertragen.
Im Ergebnis der Messungsauswertung lagen sämtliche Punkte in folgenden Systemen
(PANTZER 2005) vor:
− geozentrische Koordinaten in der Messepoche: ITRF 2000, Epoche 2004,665
− geozentrische Koordinaten in der Bezugsepoche: ITRF 2000, Epoche 1997
− geozentrische Koordinaten zum Vergleich mit Messungen von 1996 und IGN- Punkten: ITRF94, Epoche 2004,665
− PSAD56 UTM Zone 18S mit ellipsoidischen Höhen (Hayford)
− PSAD56 UTM Zone 18S mit orthometrische Höhen
Die orthometrischen Höhen basieren auf einer mittleren Geoidundulation, abgeleitet
aus den Festpunktlisten des IGN von 1996, in denen Punkte sowohl mit ellipsoidischen
als auch mit orthometrischen Höhen enthalten waren.
3 Ausgangsmaterial 34
3.3 Photogrammetrische Luftbilder
Vom Zentralgebiet der Pampa von Nasca liegen 179 digitale photogrammetrische s/w
Luftbilder im Maßstab 1:10.000 mit einer Längs- und Querüberdeckung von je 60% vor.
Die Bilder sind ein Teil des insgesamt 401 Bilder umfassenden Nasca- Blocks und
stammen aus einer Befliegung aus dem Jahre 1998, durchgeführt von der Firma
Horizon unter Verwendung einer Reihenmesskamera RMK A 15/23 der Firma Zeiss.
Die analogen Bilder, welche an der ETH Zürich liegen und dem Projekt leihweise zur
Verfügung standen, wurden mit einer Auflösung von 20 µm gescannt.
Da sich die wenigen, mitgelieferten Passpunkte als schlecht identifizierbar erwiesen,
was sich in nicht vertretbaren Genauigkeiten bei einer ersten Aerotriangulation von 141
Luftbildern (vgl. Abb. 12) äußerte, war es notwendig, im Rahmen der Messkampagne
2004 neue Konturenpasspunkte zu bestimmen. Nach Auswertung der GPS- Messun-
gen fand eine nochmalige Aerotriangulation des Blockes mit dem Programm Bingo im
Labor Photogrammetrie an der HTW Dresden statt. Als Bezugssystem diente das
PSAD56 UTM Zone 18S mit den im Rahmen der GPS- Auswertung bestimmten or-
thometrischen Höhen.
Abb. 12: Teil des Nasca- Blockes mit 141 Luftbilder n
3 Ausgangsmaterial 35
3.4 IKONOS- Satellitenbilder
Während die Luftbilder nur einen kleinen Teil der Pampa von Nasca abdecken, liegen
Bilder des Satelliten IKONOS für nahezu das gesamte Untersuchungsgebiet vor. Die
Anschaffung der Daten erfolgte aus finanztechnischen Gründen in mehreren Etappen.
Bislang gab es drei IKONOS- Datenlieferungen, welche aus Abb. 13 bzw. aus Tab. 6
durch unterschiedliche farbliche Kennzeichnung hervorgehen.
Abb. 13: Übersicht über vorhandene IKONOS- Daten
Die einzelnen Kacheln sollen im Folgenden unter den Bezeichnungen in Tab. 6 geführt
werden, wobei die erste Zahl den Streifen, die zweite Zahl die jeweilige Kachel angibt.
Order- Number Kachel Bezeichnung po_159438: po_159438_0000000 0.0
po_159644_0010000 0.1 po_159644_0010001 0.2 po_159644_0000000 1.0 po_159644_0000001 1.1 po_159644_0000002 1.2 po_159644_0020000 2.0
po_159644:
po_159644_0020001 2.1 po_167580_0000000 0.3 po_167580_0010000 3.0
po_167580:
po_167580_0020000 4.0
Tab. 6: Bezeichnung der vorhandenen IKONOS- Bilder
3 Ausgangsmaterial 36
Die erste Teilszene (po_159438) vom Hauptgebiet der Pampa von Nasca stellte die
Euromap/GAF AG Neustrelitz dem Projekt Ende 2003 kostenfrei zur Verfügung. An-
fang 2004 konnten weitere Daten (po_159644) südlich und östlich davon (3 Streifen,
bestehend aus 7 Kacheln), gekauft werden. Ende 2004 erfolgte die Beschaffung der
westlich und nördlich gelegenen 3 Kacheln (po_167580).
Bei den Bildern handelt es sich um IKONOS Carterra Geo Ortho Kit Daten. Die ersten
beiden Lieferungen (po_159438 und po_159644) enthalten sogenannte pansharpened
Daten, d.h. hier sind die räumlichen Inhalte der panchromatischen mit den spektralen
Informationen der Multispektraldaten kombiniert. Die vier Kanäle blau, grün, rot und
nahes infrarot liegen als einzelne TIFF- Dateien mit der 1m- Auflösung der panchroma-
tischen Daten vor. Die Lieferung po_167580 hingegen enthält sowohl die multispekt-
ralen (4m Auflösung) als auch die panchromatischen Daten (1m Auflösung) als sepa-
rate TIFF- Dateien.
Die einzelnen Streifen verfügen über die in Tab. 7 aufgeführten Aufnahmemerkmale,
welche den in Anlage 1 auszugsweise beigefügten Metadaten entnommen sind. Alle
Daten sind etwa zur gleichen Tageszeit, aber zu unterschiedlichen Jahreszeiten auf-
genommen. Dementsprechend ist der Sonnenstand in Streifen 4 (Sommer) deutlich
höher als in den Streifen 0 bis 3. Außerdem gibt es große Unterschiede im Sensor-
schwenkwinkel (nadir angle), der sich aus dem nominal collection elevation ableiten
lässt (vgl. Abb. 4). Während es sich bei Streifen 1 annähernd um eine Nadiraufnahme
handelt, sind die übrigen Streifen als Schrägaufnahmen zu betrachten.
Parameter Streifen 0 Streifen 1 Streifen 2 Streifen 3 Streifen 4 Acquisition Date 26.06.2001 26.06.2001 01.08.2000 01.08.2000 15.01.2000 Acquisition Time (GMT) 15:17 15:17 15:18 15:18 15:10 nominal collection azimuth 19.8731° 46.4443° 264.0727° 295.8129° 170.4125° nominal collection elevation 72.04422° 87.24905° 56.06464° 58.20786° 72.89145° sun angle azimuth 34.7991° 34.6010° 40.0705° 40.4531° 106.9303° sun angle elevation 43.91391° 44.02104° 48.11153° 47.88911° 60.83793° nadir angle 17.95578° 2.75095° 33.93536° 31.79214° 17.10855°
Tab. 7: Aufnahmeparameter der verwendeten IKONOS- D aten
Wie schon in Tab. 2 dargestellt, sind die IKONOS Carterra Geo- Daten bereits geo-
metrisch korrigiert (Processing Level: Standard Geometrically Corrected), jedoch ohne
Berücksichtigung reliefbedingter Verzerrungen. Bezugssystem ist das WGS84, die
verwendete Projektion ist UTM, Zone 18S. Space Imaging gibt für diese Daten einen
mittleren Lagefehler von 15m für 90% der Punkte (CE90), ohne reliefbedingte Verzer-
rungen, an, wobei in stark bewegtem Gelände auch weitaus größere Differenzen mög-
lich sind (GEO EYE 2006).
3 Ausgangsmaterial 37
Abb. 14: Lageabweichungen in Geo Ortho Kit- Daten (Streifen 0: Kacheln 0, 1 und 3)
Vergleicht man nun die einzelnen Kacheln des Streifens 0, welche zu verschiedenen
Zeitpunkten aufbereitet und daher auf unterschiedliche Referenzhöhen projiziert wur-
den, so treten an den Rändern Lageabweichungen bis etwa 100m auf (siehe Abb. 14).
Die Referenzhöhen betrugen laut Metadaten 536.51m (Kachel 0.0), 756.97m (Kachel
0.1) und 476.97m (Kachel 0.3). Dementsprechend ist die Lageabweichung in der
rechten unteren Kachel (0.1), mit der Referenzhöhe von ~757m, besonders groß, was
am Verlauf der Panamericana bzw. der von West nach Ost verlaufenden Fahrspur gut
zu sehen ist.
Zusätzlich zu den Satellitenbildern liegen auch die rationalen Polynomkoeffizienten
(RPC- Files) vor, welche die Sensorkoordinaten als Funktion der geografischen Ob-
jektkoordinaten beschreiben. Nach Aussage in den Metadaten (Anlage 1) gibt es in
den vorliegenden Bildern keine Wolkenbedeckung, was mit Ausnahme des westlichen
Bereiches von Kachel 0.3 zutreffend ist. Dieser Bereich wird aber auch von den Strei-
fen 3 und 4 überdeckt. Das Datenmaterial verfügt über eine radiometrische Auflösung
von 11 Bit (2048 Grauwerte) und wurde ohne Grauwertspreizung (Dynamic Range
Adjust – DRA) geliefert.
3 Ausgangsmaterial 38
3.5 Digitale Geländemodelle
Im weiteren Verlauf der Arbeit wird auf eine Unterscheidung zwischen DGM und DOM
verzichtet, da man bei näherer Betrachtung des Untersuchungsgebietes feststellen
kann, dass dieses nahezu frei von Bebauung und Bewuchs ist. Lediglich in den Fluss-
tälern, welche sich im Norden und Süden der Pampa als schmale Bänder von Osten
nach Westen ziehen, finden sich kleine Siedlungen und vereinzelte Obstplantagen.
Diese Bereiche sind allerdings für die geplanten Untersuchungen von untergeordnetem
Interesse. Für das Projektgebiet liegen bereits mehrere Digitale Geländemodelle unter-
schiedlicher Genauigkeit bzw. Auflösung und Abdeckung vor. Im Folgenden sollen die
einzelnen DGM’s zunächst vorgestellt werden.
3.5.1 Geländemodelle aus der Digitalisierung von Hö henlinien
3.5.1.1 DGM100
Bereits 1995/96 wurden im Rahmen des Projektes Höhenlinien aus topographischen
Karten des IGN (Instituto Geográfico Nacional) mit dem Programmsystem CADdy 11
digitalisiert. Abb. 15 zeigt eine Überlagerung der digitalisierten Höhenlinienpunkte mit
einem durch Kriging erstellten Raster- DGM.
Abb. 15: DGM100 mit digitalisierten Höhenlinienpunk ten
3 Ausgangsmaterial 39
Die verwendeten Kartenblätter Nazca (30-n) und Palpa (30-m) im Maßstab 1:100.000
entstanden durch photogrammetrische Auswertung von Luftbildern aus dem Jahre
1955. Lagebezugssystem ist das peruanische Landessystem PSAD56, die Höhen be-
ziehen sich auf den mittleren Meeresspiegel, und die Äquidistanz der digitalisierten
Höhenlinien beträgt 50m. Zur Qualität, d.h. Aktualität, Zuverlässigkeit und Genauigkeit,
dieser Karten liegen bislang keine Untersuchungen vor. Eine weitere Bearbeitung des
DGM100 ist nicht vorgesehen.
3.5.1.2 DGM25
Ein weiteres DGM eines Teils des Projektgebietes entstand durch Digitalisierung von
Höhenlinien aus Rahmenkarten des Landwirtschaftsministeriums, Hauptabteilung Ka-
taster. Diese aus den 70er Jahren stammenden Katasterkarten im Maßstab 1:25.000
basieren ebenfalls auf einer photogrammetrischen Auswertung. Insgesamt liegen 12
Kartenblätter (siehe Anlage 2) vor. Referenzsystem ist auch hier das peruanische Lan-
dessystem PSAD56 mit dem Höhenbezug MSL. Die Äquidistanz der Höhenlinien be-
trägt 25m, allerdings wurden nur die 50m und 100m Höhenlinien digitalisiert. Die nord-
östlich gelegenen Kartenblätter 30m-I-NE, 30n-IV-NO und 30n-IV-SO fehlen noch
weitestgehend, so dass sich das bislang vorhandene DGM25 ungefähr über das Ge-
biet erstreckt, in dem auch die IKONOS- Daten vorliegen. Insgesamt ist die Ausdeh-
nung des DGM25 in Ost-West- Richtung etwas geringer als die des DGM100.
Untersuchungen zur Qualität der Katasterkarten gibt es bislang ebenfalls noch nicht.
Bei der Georeferenzierung der Karten traten jedoch zum Teil erhebliche Spannungen
an den Kartenrändern auf. Außerdem konnten im Zuge der Digitalisierung eine Reihe
grober Fehler aufgedeckt werden. So kommt es z.B. bei Höhenlinien, die sich über
mehrere Kartenblätter erstrecken, mitunter vor, dass dieselbe Höhenlinie auf benach-
barten Blättern unterschiedliche Höhen hat.
Die Bearbeitung des DGM25 wird nicht mehr weitergeführt, da inzwischen andere Da-
tenquellen, wie beispielsweise SRTM- Daten, existieren. Einen Eindruck über die Aus-
dehnung des bisher digitalisierten DGM25 soll Abb. 16 vermitteln.
3 Ausgangsmaterial 40
3.5.2 SRTM- Daten
Inzwischen liegen für das Projektgebiet SRTM-3 Daten im Prinzip flächendeckend vor,
von einigen Lücken (Fehlpixeln) abgesehen. SRTM-1 (X-Band) Daten stehen infolge
der geringeren Aufnahmestreifenbreite nur im östlichen Bereich der Pampa zur Verfü-
gung, was auch aus Abb. 16 hervorgeht.
Abb. 16: SRTM- Daten, überlagert mit DGM25- Höhenl inien (Bezug: PSAD56/EGM96)
Insgesamt liegen 4 SRTM-1 Kacheln mit einer Ausdehnung von 0.25° x 0.25° vor, wel-
che allerdings nicht vollständig mit Daten gefüllt sind. Das Dateiformat entspricht dem
DTED-2 Standard, die Dateierweiterung ist *.dt2. Die Bezeichnung der jeweiligen
Kachel enthält die Koordinaten der linken unteren Ecke (z.B. W0750000150000 ent-
spricht 75° West und 15° Süd). Zu jeder Kachel wird eine Höhenfehlerkarte
(HEM…Height Error Map) mitgeliefert, die einen Überblick über die Höhengenauigkeit
vermittelt. Eine Übersicht über die einzelnen Kacheln inklusive HEMs ist in Anlage 3 zu
finden. Hier wird deutlich, dass die Genauigkeit im Durchschnitt ≤10m ist, wobei im
Gebirge vereinzelt Höhenfehler über 50m bis 100m auftreten. Die Höhenwerte
schwanken im gesamten Gebiet der SRTM-1 Daten zwischen 400m und 3400m.
3 Ausgangsmaterial 41
Des Weiteren liegt zu jeder Kachel eine *.iip (Item Information Pool) Datei vor, welche
Auskunft über den Zeitpunkt der Aufnahme- und Bearbeitung der Daten, Lage- und
Höhenbezug, Geoidundulation, mittlere Lage- und Höhenfehler etc. gibt. Als Beispiel ist
die *.iip- Datei zur Kachel W0750000S15000 in Anlage 4 beigefügt.
Die SRTM-3 Daten können einerseits im HGT- Format (entspricht dem BIL- Format)
vom ftp- Server des LP DAAC heruntergeladen werden. Andererseits stehen sie in
verschiedenen Rasterformaten (ArcGRID, GridFloat, BIL, TIFF), welche alle gleichen
Inhalts sind, über das EROS Data Center zum Download bereit. Bei den HGT- Dateien
entspricht der Name der Kachel, ebenso wie bei SRTM-1, der linken unteren Ecke der
Kachel. Das Projektgebiet liegt innerhalb der Kacheln S15W075.hgt und S15W076.hgt.
Die über das EDC verfügbaren Daten werden über ein Koordinatenfenster ausgewählt
und als eine Datei im jeweiligen Rasterformat bereitgestellt. Für die anschließenden
Untersuchungen wurde, zum Vergleich mit den HGT- Daten, das TIFF- Format ausge-
wählt. Zusätzlich stehen korrigierte Daten, ebenfalls im TIFF- Format, über den Server
des CGIAR-CSI zur Verfügung, die auch in die Untersuchungen einbezogen werden
sollen.
Das Lagebezugssystem aller verfügbaren SRTM- Datensätze ist das WGS84. Die Ko-
ordinaten werden in ellipsoidischer Länge und Breite angegeben. Bei den Höhen han-
delt es sich im Falle von SRTM-1 um ellipsoidische (WGS84) Höhen. Die Metadaten zu
den SRTM-3 Daten enthalten keine Angaben zum verwendeten Höhenbezugssystem,
allerdings geben Produktbeschreibungen, wie sie auf dem FTP- Server des USGS zu
finden sind, an, dass es sich um orthometrische EGM96- Geoid- Höhen handelt.
3 Ausgangsmaterial 42
3.6 NascaGIS
Eine der Hauptaufgaben des Forschungsprojektes Nasca besteht im Aufbau eines
Geo-Informationssystems, kurz NascaGIS. Die Softwaregrundlage hierfür bildet das
GIS TopobaseTM (z. Zt. noch Version 2.15) der Firma Autodesk. TopobaseTM basiert
auf weit verbreiteten Softwarestandards, wie AutoCAD Map 3D, zur Bearbeitung der
Geometrie, und einer Oracle- Datenbank, zur Speicherung aller geometrischen, topo-
logischen und attributiven Daten.
Im Rahmen mehrerer Diplomarbeiten an der HTW Dresden wurde ein spezielles Da-
tenmodell entwickelt und implementiert, welches sowohl die topographischen als auch
die archäologisch relevanten Objekte der Pampa von Nasca und Palpa abbildet.
Folgende Vektordaten sind bislang im NascaGIS gespeichert:
- die Ergebnisse der Messkampagnen 1996 (ausgewählte Geoglyphen) und
2004 (Passpunkte, Linien und Geoglyphen),
- die photogrammetrisch ausgewerteten Daten (bislang ca. 70%),
- die Höhenlinien des DGM25 sowie
- weitere aus Katasterkarten (1: 25.000) digitalisierte, topographische Objekte,
wie Straßen, Flüsse und Siedlungen.
Das System TopobaseTM Version 2.x ermöglicht die permanente Speicherung von bis
zu fünf verschiedenen Koordinatensystemen. Primäres System im NascaGIS ist das
peruanische Landessystem PSAD56, Abbildung UTM Zone18S. Die Höhenangaben
aller aus der Digitalisierung von Karten entstandenen Daten beziehen sich auf den
Mittleren Meeresspiegel (MSL). Die durch Messung aufgenommenen sowie die photo-
grammetrisch erfassten Daten sind durch Anbringen der mittleren Geoidundulation
entstandene orthometrische Höhen.
Das sekundäre Bezugssystem ist das WGS84, genauer gesagt das ITRF2000, Epoche
2004,665, welches als Grundlage für die Transformation WGS84 � PSAD56 diente.
Derzeit liegen lediglich die mit GPS gemessenen Punkte auch in diesem sekundären
Bezugssystem im GIS vor. Im Zuge der bereits begonnenen Migration von Topobase
2.15 nach Topobase 2007 bzw. 2008 unter Oracle Spatial wird diese Struktur künftig
entfallen, deshalb soll darauf auch nicht näher eingegangen werden.
4 Lösungsansatz 43
4 Lösungsansatz
Zur Lösung der gestellten Aufgabe kommen prinzipiell zwei Herangehensweisen in
Frage. Eine Möglichkeit besteht darin, zuerst die für die astronomischen Berechnungen
erforderliche Genauigkeit zu definieren und anschließend zu prüfen, ob das vorhan-
dene Datenmaterial diese Genauigkeiten liefern kann. Bei der zweiten Variante, welche
hier verfolgt werden soll, wird zunächst die bei der Orthorektifizierung der IKONOS-
Daten maximal erreichbare Genauigkeit im Testgebiet untersucht und dann geprüft,
inwieweit diese Genauigkeit für astronomische Berechnungen ausreicht. Der Grundge-
danke dabei ist, dass die Daten später auch für weitere Untersuchungen dienen sollen,
die möglicherweise eine andere Genauigkeit fordern, als für die astronomischen Be-
rechnungen notwendig ist. Der Ablauf wird sich also wie folgt gestalten (vgl. Abb. 17).
Als erstes werden die verschiedenen Geländemodelle hinsichtlich ihrer Qualität analy-
siert. Grundlage für den Vergleich der Daten und für die weitere Verarbeitung ist, dass
alle Ausgangsdaten im selben Bezugssystem vorliegen. Somit sind die SRTM-1 Höhen
vom WGS84- Ellipsoid ins Bezugssystem EGM96 zu transformieren. Des Weiteren
müssen alle SRTM- Daten ins Lagebezugssystem PSAD56/UTM Zone 18S überführt
werden.
Zur Genauigkeitsanalyse dienen sowohl die GPS- Messdaten als auch das für einen
Teil der Pampa aus Luftbildern zu generierende DGM. Dabei ist zuerst zu prüfen, in-
wieweit die bisherigen Höhenwerte, welche durch Anbringen der mittleren Geoidundu-
lation entstanden, für die weiteren Arbeiten geeignet sind. Gegebenenfalls ist eine
neue Aerotriangulation durchzuführen. Im Anschluss kann das DGM erstellt werden,
wobei die automatische DGM- Generierung im Mittelpunkt stehen soll. Liegen die ver-
schiedenen DGM’s in einem einheitlichen Bezugssystem vor, so können Vergleiche
und Genauigkeitsanalysen erfolgen. Anhand der Ergebnisse wird dann aus den ver-
schiedenen SRTM-3 Datensätzen der für die weitere Verarbeitung am besten geeig-
nete ausgewählt und aufbereitet. Hierzu müssen ggf. vorhandene Lücken gefüllt
werden, wobei eine Bewertung der dazu verfügbaren Daten und Interpolationsverfah-
ren notwendig ist. Im Ergebnis liegen die flächendeckenden SRTM-3 Daten sowie das
SRTM-1 DGM im peruanischen Landessystem PSAD56/EGM96 vor.
Der nächste Schritt besteht in der Orthorektifizierung der Satellitendaten. Da nicht alle
Satellitenbilder im Bereich der SRTM-1 Daten liegen, sollen sich die Untersuchungen
bezüglich des Einflusses von Höhengenauigkeit und Anzahl der verwendeten Pass-
punkte auf die Orthorektifizierung zunächst auf das Gebiet der IKONOS- Kachel 2.1
4 Lösungsansatz 44
beschränken. Anschließend soll eine Triangulation aller Satellitenbilder mit LPS erfol-
gen, um beispielsweise eine Aussage über die Genauigkeit der einzelnen Szenen im
Überlappungs- bzw. Randbereich treffen zu können.
Abb. 17: Bearbeitungsablauf
Liegen die orthorektifizierten IKONOS- Bilder vor, so ist es möglich, die erreichbare
Genauigkeit bei der Erfassung von Vektordaten näher zu untersuchen. Diese kann
dann letztlich zum Vergleich mit den für astronomische Berechnungen notwendigen
Genauigkeiten herangezogen werden. Der letzte Bearbeitungsschritt beschäftigt sich
also mit Überlegungen zur erforderlichen Lage- und Höhengenauigkeit der Vektordaten
als Grundlage für astronomische Berechnungen. Zu guter Letzt ist eine Aussage über
die ins NascaGIS zu übernehmenden Daten zu treffen.
SRTM-1 (WGS84/ WGS84)
SRTM-3 HGT
(WGS84/ EGM96)
SRTM-3 TIFF
(WGS84/ EGM96)
SRTM-3 CGIAR CSI (WGS84/ EGM96)
DGM100 (PSAD56/
MSL)
DGM25 (PSAD56/
MSL)
Vergleich/Analyse
Transformation nach PSAD56
Transformation nach EGM96
Auswahl SRTM-3
Füllen der Lücken SRTM-3
(PSAD56/ EGM96)
SRTM-1 (PSAD56/ EGM96)
(Semi-)automatische DGM- Generierung (PSAD56/EGM96)
GPS- Punkte (ITRF2000, Ep. 97) (PSAD56/EGM96)
Aerotriangulation der Luftbilder-Nascablock
(PSAD56/EGM96)
Orthorektifizierung (PSAD56/EGM96)
IKONOS po_159644 Kachel 2.1, incl. RPC
Genauigkeitsanalyse IKONOS po_159438
incl. RPC
IKONOS po_159644 incl. RPC
IKONOS po_167580 incl. RPC
Orthorektifizierung (PSAD56/EGM96)
Vektordatenerfassung
Analyse der Eignung für Astronomische Untersuchungen Pansharpening
5 Vorgehensweise und Durchführung 45
5 Vorgehensweise und Durchführung
5.1 Transformationen
Im Verlaufe der Arbeit war es erforderlich, Transformationen zwischen den verschiede-
nen Bezugs- und Koordinatensystemen vorzunehmen. Die zur Transformation der
Vektordaten in erster Linie verwendete Software ist AllTrans9, da dieses Programm in
der Vollversion nicht nur die benötigten Lagebezugssysteme sondern auch die Höhen-
bezugssysteme inklusive des EGM96- Geoids enthält. Zur Kontrolle dienten zum Einen
das frei verfügbare Programm GeoTrans10, andererseits die online- Geoidundulations-
rechner des UNAVCO11 und des NGA12. Für die Transformation der Rasterdaten wurde
hauptsächlich ERDAS Imagine, zur Kontrolle ArcGIS verwendet.
5.1.1 Transformation der GPS- Punkte
Wie bereits im Kapitel 3.2.2 angesprochen, lagen als Ausgangsdaten geozentrische
Koordinaten aller im Jahr 2004 mit GPS gemessenen Punkte sowohl im Messsystem
ITRF2000, Epoche 2004,665, als auch in der entsprechenden Bezugsepoche 1997
und im ITRF94, Epoche 2004,665 vor. Die Lage- und Höhenabweichungen zwischen
den einzelnen Systemen bewegen sich im Bereich <20cm. Die Koordinaten des
ITRF94, Epoche 2004,665 dienten ursprünglich als Grundlage für die Transformation
ins PSAD56, da die Ergebnisse der Messkampagne 1996 ebenfalls das ITRF94 als
Bezugssystem nutzten. Die Transformation der ellipsoidischen in orthometrische
Höhen basierte auf den Passpunkt- Koordinatenlisten des IGN von 1996, welche vor
Ort allerdings nicht auffindbar waren.
Die aus diesen Passpunkten abgeleitete mittlere Geoidundulation bezüglich WGS84
betrug rund -26m. Betrachtet man die tatsächliche Geoidundulation bezüglich des
EGM96 so lässt sich feststellen, dass diese für die 2004 gemessenen Punkte zwischen
-29m und -33m, für das gesamte Projektgebiet sogar zwischen -26m und -38m
schwankt (vgl. Abb. 18). Daraus folgt, dass zwischen den mittleren orthometrischen
Höhen, welche aus der Auswertung der GPS- Messung 2004 (PANTZER 2005)
resultieren, und den EGM96- Höhen Differenzen bis zu 6m auftreten. Nach reiflicher
Überlegung und Diskussion im Nasca- Projektteam kam man übereinstimmend zu der
9 www.allsat.de (06.05.2007) 10 http://earth-info.nga.mil/GandG/geotrans/ (06.05.2007) 11 http://sps.unavco.org/geoid/ (06.05.2007) 12 http://earth-info.nga.mil/GandG/wgs84/gravitymod/egm96/intpt.html (06.05.2007)
5 Vorgehensweise und Durchführung 46
Meinung, dass es sinnvoll sei, die Höhen zu korrigieren und künftig einheitlich das
EGM96- Geoid zu verwenden, da nur auf dieser Basis eine problemlose Transforma-
tion in andere Höhensysteme möglich ist.
Abb. 18: Geoidundulation im Bereich der SRTM-Daten (berechnet in ERDAS)
In diesem Zusammenhang ist auch das Lagebezugssystem erneut zu überdenken. Die
Verwendung des Landessystems PSAD56 erscheint nach wie vor sinnvoll. Es muss
jedoch gewährleistet sein, dass einerseits ein Anschluss künftiger Messungen, ande-
rerseits Transformationen in andere Bezugssysteme problemlos möglich sind. Da im
Messgebiet keine brauchbaren Passpunkte des Landesnetzes vorlagen, konnten die
Transformationsparameter in die Bezugsepoche 1997 des ITRF2000 nur über die bis
zu 2000km entfernten Permanentstationen berechnet werden. Die Bewegungen dieser
Permanentstationen infolge Plattentektonik sind nicht gleichmäßig, so dass eine Über-
tragung der Bewegung der Punkte auf das Gebiet von Nasca sehr große Unsicherhei-
ten in sich birgt. Die Transformation ins ITRF94, Epoche 2004,665 diente letztlich nur
dem Vergleich mit den 1996 gemessenen Geoglyphen, welche allerdings auch prob-
lemlos in die Messepoche des ITRF2000 transformiert werden können. Da die Basis-
referenzstation von 1996 inzwischen ohnehin nicht mehr zugänglich ist (wegen Hotel-
neubau 2002), sollte also auch dieses System für Anschlussmessungen keine Ver-
wendung finden. Somit ist für künftige Messungen im Forschungsprojekt Nasca das
System zum Zeitpunkt der Messung 2004 (ITRF 2000, Epoche 2004,665) als Grund-
lage am Besten geeignet. Über die 2004 geschaffenen Festpunkte im Messgebiet las-
sen sich künftige Messungen problemlos anschließen. Unter der Annahme, dass die
ITRF- Koordinaten genähert dem WGS84 entsprechen, kann die Transformation ins
PSAD56 unter Verwendung der Transformationsparameter WGS84 nach PSAD56 aus
(NIMA 2000), Appendix B.7 erfolgen.
5 Vorgehensweise und Durchführung 47
Auf die in der Pampa gemessenen Punkte sowie die bislang photogrammetrisch aus-
gewerteten Daten wirkt sich dies lagemäßig quasi nicht aus, da die Unterschiede zwi-
schen ITRF2000, Epoche 2004,665 und ITRF94, Epoche 2004,665 (2cm in X, 1cm in
Y und 3.5cm in Z) unterhalb der Messgenauigkeit liegen. Interessant ist diese Ent-
scheidung aber bezüglich der vermarkten Passpunkte, welche im NascaGIS entspre-
chend zu korrigieren sind.
Somit wurden die geozentrischen Koordinaten aller gemessenen Punkte vom
ITRF2000, Epoche 2004,665 mit Hilfe des Programms AllTrans ins PSAD56/EGM96
transformiert.
5.1.2 Transformation der NascaGIS- Daten
Für das NascaGIS bedeutet diese neue Festlegung zunächst einmal, dass alle GPS-
Punkte mit den neuen Koordinaten zu versehen sind. Außerdem müssen alle photo-
grammetrisch gemessenen Daten um die konstante Geoidundulation (≈26m) korrigiert
und anschließend ins EGM96 transformiert werden. Dies betrifft ausschließlich die
Passpunkte sowie den archäologischen Teil des NascaGIS, der aus der photogram-
metrischen Auswertung resultiert. Die aus topographischen Karten abgeleiteten Vek-
tordaten sind ohnehin nur lagemäßig erfasst. Archäologische Objekte sind alle topo-
graphischen Elemente, die aus der Nasca- Zeit stammen, wie Linien, Flächen, Geo-
glyphen, Steinobjekte und Linienzentren.
Vereinfacht gesagt, steht hinter jeder dieser Entitäten eine Attributtabelle <Tabellen-
name> in Topobase, welche – da sie über einen konkreten Raumbezug verfügen –
eine Relation zu einer Geometrietabelle <Tabellenname_geo> besitzen. Jedes Geo-
metrieobjekt wird durch ein Schlüsselattribut (GID) identifiziert und besteht aus einem
oder mehreren Primitiven (ID), die nach Sequenzen (SEQ) geordnet sind. Das Beispiel
in Abb. 19 zeigt eine Polylinie (Objekt: GID=4), die beim Punkt 167 (SEQ=0) beginnt
und über die Punkte 168...172 (SEQ=5) verläuft.
Abb. 19: Auszug aus einer Geometrietabelle in Topob ase
5 Vorgehensweise und Durchführung 48
Alle Vektordaten sind also in Tabellen abgelegt und können, nach einer Selektion der
interessierenden Objekte, problemlos nach Microsoft Excel exportiert werden. Das be-
deutet, dass zunächst alle GPS- Daten zu selektieren, auszulesen, mit den neu
berechneten Koordinaten zu versehen und wieder einzulesen waren. Anschließend
konnten die photogrammetrisch ausgewerteten Ergebnisse ausgelesen, in ein von
Alltrans lesbares ASCII- Format umgewandelt, nach EGM96 transformiert und wieder
eingelesen werden. Der Ablauf ist schematisch in Abb. 20 dargestellt.
Abb. 20: Bearbeitungsablauf zur Korrektur der Höhen in Topobase
Die Bearbeitung erfolgte logischerweise getrennt für die einzelnen Entitäten, wobei
lediglich die entsprechenden ID’s und Koordinaten (X, Y und Z) auszulesen waren. Als
Ausleseformat kam nur Microsoft Excel in Betracht, da die sonstigen verfügbaren For-
mate alle Tabellenspalten berücksichtigen, was in Vorbereitung der Transformation mit
AllTrans einen erhöhten Bearbeitungsaufwand bedeutet hätte. Zudem ermöglichte MS
Excel auf einfache Weise, durch Differenzbildung, eine Plausibilitätskontrolle der aus
der Transformation resultierenden Ergebnisse.
Nach dem Re- Import der Vektordaten, bei dem die existierenden Koordinaten über-
schrieben wurden, stehen nun alle gemessenen Daten im PSAD56/EGM96 zur Verfü-
gung. Eine Lagekontrolle auf grobe Fehler erfolgte zunächst durch eine Überlagerung
mit den ursprünglichen Daten in AutoCAD Map.
5 Vorgehensweise und Durchführung 49
5.1.3 Transformation von Rasterdaten in ERDAS Imagi ne
ERDAS Imagine bietet die Möglichkeit, Lage- und Höhentransformationen zwischen
den verschiedensten Systemen und Projektionen durchzuführen. Im Folgenden sollen
einige Besonderheiten Erwähnung finden, die für diese Arbeit von Bedeutung sind. Wie
bereits festgestellt, lagen sowohl die SRTM-1 als auch die SRTM-3 Daten im Lagebe-
zugssystem WGS84 vor. Während es sich jedoch bei den SRTM-1 Daten um ellipsoi-
dische (WGS84) Höhen handelt, haben die SRTM-3 Daten als Höhenbezug das
EGM96 Geoid, also orthometrische Höhen. Um die Höhenangaben vergleichbar zu
machen, mussten daher die ellipsoidischen in orthometrische Höhen umgewandelt
werden. Des Weiteren erschien es sinnvoll, die geodätischen Koordinaten (Länge und
Breite) des WGS84 in PSAD56/UTM Zone 18S zu transformieren.
Für Transformationen ins PSAD56 ist in ERDAS Imagine das Ellipsoid International
1909 zu wählen, da unter Hayford bzw. International 1924 das Provisorische Südame-
rikanische Datum nicht zu finden ist. Zur Definition des EGM96 ist das WGS84-El-
lipsoid, Datum EGM96 auszuwählen. Möchte man z.B. eine Transformation von
WGS84- Höhen nach EGM96 durchführen, so stehen verschiedene WGS84- Frames
zur Verfügung. Wie bereits im Kapitel 2.1.1 diskutiert, gibt es unterschiedliche Realisie-
rungen des Bezugssystems WGS84. Im Normalfalle entspricht:
− WGS 84 (orig.) = Broadcast GPS orbit vom 23. Januar 1987 bis 28. Juni 1994
− WGS 84 (G730) = Broadcast GPS orbit vom 29. Juni 1994 bis 28. Januar 1997
− WGS 84 (G873) = Broadcast GPS orbit vom 29. Januar 1997 bis heute
Der Referenzrahmen WGS84 (G1150) vom Januar 2002 ist in der verfügbaren Soft-
ware nicht implementiert. Das Äquivalent zum jeweiligen WGS84 Referenzrahmen ist:
− WGS 84 (orig.) � NAD 83 (86)
− WGS 84 (G730) � ITRF 92(1994.0)
− WGS 84 (G873) � ITRF 94(1997.0)
Die Unterschiede zwischen WGS84 (orig.) and WGS84 (G730) liegen im Bereich von
2m, die zwischen WGS84 (G730) und WGS84 (G873) im Bereich weniger Zentimeter.
Ebenso erfolgte die Anpassung des WGS84 (G730) bzw. (G873) an das jeweilige ITRF
im Bereich von einigen Zentimetern.
In ERDAS Imagine sind vier verschiedene Referenzrahmen auswählbar, das WGS84,
WGS84 (orig.), WGS84 (G730) und WGS84 (G873), wobei zwischen WGS84 und
WGS84 (orig.) keine Unterschiede festgestellt wurden. Angesichts des Zeitpunktes der
Aufnahme der SRTM- Daten ist davon auszugehen, dass es sich beim verwendeten
Bezugssystem um das WGS84 (G873) handelt; konkrete Angaben hierzu liegen aller-
5 Vorgehensweise und Durchführung 50
dings nicht vor. Aus diesem Grunde wurden sowohl das WGS84 (orig.) als auch das
WGS84 (G873) zu näheren Untersuchung herangezogen. Der aus der Transformation
bestimmte Höhenunterschied zwischen beiden Referenzrahmen liegt im Untersu-
chungsgebiet bei 2 - 3m. Ein Vergleich mit den Ergebnissen aus dem NGA EGM96
Geoid Calculator13 zur Berechnung der Geoidundulation zwischen WGS84 (G873) und
EGM96 brachte allerdings eine Übereinstimmung mit den Geoidundulationen bezüglich
dem in ERDAS Imagine als WGS84 (orig.) bezeichneten Referenzrahmen, weshalb im
weiteren Verlauf zunächst beide Referenzrahmen berücksichtigt und analysiert
werden.
5.2 Aerotriangulation der Luftbilder und DGM- Gener ierung
5.2.1 Aerotriangulation
Wie bereits im Kapitel 3.3 angesprochen, lag zu Beginn dieser Arbeit ein mit dem Pro-
gramm BINGO triangulierter Block bestehend aus 141 Luftbildern vor, mit dem Lage-
bezugssystem PSAD56 und den aus der Berechnung von (PANTZER 2005) stammen-
den, auf einer mittleren Geoidundulation basierenden orthometrischen Höhen. Infolge
der großen Differenzen (bis zu 6m) zwischen diesen ursprünglichen Höhen und den
unter Nutzung der Software AllTrans neu bestimmten EGM96- Höhen, kam es zu der
Entscheidung, eine neue Aerotriangulation durchzuführen. In diesem Zusammenhang
sollten auch die noch fehlenden Luftbilder des insgesamt 179 Bilder umfassenden Blo-
ckes mit einbezogen werden. Da die Software BINGO im Labor Photogrammetrie der
HTW Dresden inzwischen von LPS (Leica Photogrammetry Suite) abgelöst wurde,
erschien die Durchführung einer völlig neuen Triangulation die beste Lösung zu sein.
Auf die theoretischen Grundlagen soll hier nicht näher eingegangen werden, da die
Aerotriangulation nicht Schwerpunkt dieser Arbeit ist; dieses Thema ist ausführlich in
(KRAUS 2004) dargelegt.
Nach dem Anlegen einer neuen LPS- Blockdatei im Bezugssystem PSAD56/EGM96
konnten die ins softwarespezifische .img- Format umgewandelten Luftbilder eingelesen
und Bildpyramiden gerechnet werden. Danach erfolgte die Definition der Kameradaten
und die Wiederherstellung der inneren Orientierung der Luftbilder durch manuelle Mes-
sung der Rahmenmarken; eine automatische Lokalisierung brachte keine befriedigen-
den Resultate. Nach Eingabe der Näherungswerte für die äußere Orientierung konnte
mit der Messung der Passpunkte begonnen werden.
13 http://earth-info.nga.mil/GandG/wgs84/gravitymod/egm96/intpt.html (06.05.2007)
5 Vorgehensweise und Durchführung 51
Abb. 21: Beispiele photogrammetrischer Passpunkte
Obgleich als Passpunkte nur gut sichtbare Konturen, wie z.B. Kreuzungen von Reifen-
spuren oder Schnittpunkte von Linien (vgl. Abb. 21) ausgewählt wurden, war es mitun-
ter schwierig, insbesondere bei schleifenden Schnitten, die in der Örtlichkeit gemesse-
nen Passpunkte im Bild mit Sicherheit zu identifizieren. Ein Grund dafür ist, dass die
Messungen von unterschiedlichen Messtrupps vorgenommen wurden, welche nicht
immer einheitliche Festlegungen bezüglich der Definition der Punkte verwendeten. So
macht es beispielsweise einen Unterschied, ob die Mitte der sich kreuzenden Linien
angemessen wird, oder aber der Rand. Insgesamt konnten 39 GCP’s identifiziert und
gemessen werden. Weitere 9 Punkte dienten als Check Points, wobei es sich i. A. um
nicht ganz eindeutig identifizierbare Punkte handelte, in deren unmittelbarer Nähe je-
weils ein Ersatz- oder Zusatzpunkt vorlag (siehe Abb. 22).
Abb. 22: Photogrammetrischer Nasca- Block mit GCP’s und Check Points
GCP Check Point
5 Vorgehensweise und Durchführung 52
Die verschiedenen Tests zur automatischen Verknüpfungspunktsuche brachten zwar
immer eine Vielzahl von Ergebnissen, allerdings war dabei meist eine große Zahl
falsch zugeordneter Punkte, was viel interaktive Nacharbeit erfordert hätte. Außerdem
gab es generell einige Bilder, die aufgrund ihrer Qualität (geringer Kontrast, sehr ho-
mogene Strukturen, Unschärfebereiche und Störungen im Bild) keine oder fast aus-
schließlich falsch zugeordnete Verknüpfungspunkte enthielten. Die besten Resultate
brachten die folgenden Einstellungen in LPS:
− Search Size: 21 (Pixel)
− Correlation Size: 7 (Pixel)
− Least Square Size: 11 (Pixel)
− Feature Point Density: 90%
− Coefficient Limit: 0.70
− Initial Accuracy: 25 %
Die automatische Verknüpfungspunktsuche lieferte im Ergebnis rund 2200 Punkte,
davon waren einige falsch zugeordnet und etwa 400 weitere Punkte wurden im
Nachgang noch manuell gemessen. Die anschließende Triangulation ergab einen Ge-
samtfehler (Total Image Unit- Weight RMSE) von 0.5656 Pixel (≈11µm), was ange-
sichts der Identifizierbarkeit und der Verteilung der Passpunkte ein recht gutes Ergeb-
nis und deutlich besser als die bisherige Triangulation ist. In Tab. 8 sind die Ergebnisse
der Triangulation zusammengefasst. In Klammern ist die jeweilige Anzahl der Punkte
bzw. der Beobachtungen der Punkte in den einzelnen Bildern angegeben. Der Ge-
samt- RMSE beträgt 0.1896 m für GCP’s und 0,4325 m für CP’s (Check Point).
Ground [m] Image [Pixel] RMS(x) RMS(y) RMS(z) RMS (x) RMS(y)
Control Points 0.1026 (39) 0.0910 (39) 0.1309 (38) 0.6584 (186) 0.6625 (186) Check Points 0.3024 (9) 0.1554 (9) 0.2674 (8) 0.4629 (52) 0.5195 (52)
Tab. 8: Ergebnisse der Aerotriangulation
Die RMSE- Werte berechnen sich aus den Residuen aller verwendeten Punkte in x-, y-
und z- Richtung, wobei Pi(xi, yi, zi) die Ausgangskoordinaten der Punkte und Pi’(xi’, yi’,
zi’) die Koordinaten der transformierten Punkte sind (vgl. auch LEICA GEOSYSTEMS
2005). Bei Betrachtung der Bildkoordinaten entfällt selbstverständlich die z- Koordi-
nate. Die Formeln zur Berechnung der RMSE- Werte lauten:
( ) ( ) ( )n
zz)z(RMS
n
yy)y(RMS
n
xx)x(RMS
n
1i
2ii
n
1i
2ii
n
1i
2ii ∑ −′
=∑ −′
=∑ −′
= === (5.2-1)
222 )z(RMS)y(RMS)x(RMSRMSEGesamt ++= (5.2-2)
5 Vorgehensweise und Durchführung 53
Eine Überlagerung der transformierten Vektordaten des NascaGIS mit ausgewählten
Stereomodellen ergab eine sehr gute Übereinstimmung; eine durchgängige Kontrolle
muss aus Zeitgründen allerdings zu einem späteren Zeitpunkt stattfinden.
5.2.2 Automatische DGM- Generierung
Nach erfolgter Aerotriangulation konnte mit der Erstellung des DGM begonnen werden.
LPS bietet hierfür die Möglichkeit einer automatischen DGM- Generierung, wobei für
einzelne Gebiete mit unterschiedlicher Geländeneigung, Bebauung und Vegetation
verschiedene Strategien definierbar sind. Bei eingehender Betrachtung des von den
Luftbildern abgedeckten Gebietes lässt sich feststellen, dass etwa 80% der Bilder
nahezu ebenes Terrain mit homogener Geländeoberfläche (Steinwüste) beinhalten,
während das Gelände im restlichen Gebiet, speziell im Norden bis Nordwesten
(Ingenio- Tal und Ausläufer der Anden), große Höhenunterschiede und vereinzelt Ve-
getation und Bebauung aufweist. Aus diesem Grunde erschien die Verwendung nur
einer Strategie zur Berechnung des DGM nicht sehr Erfolg versprechend. Erste Tests
zur automatischen DGM- Generierung zeigten zudem, unabhängig von der jeweiligen
Strategie, fehlerhafte Korrelationen bei Punkten innerhalb der Straßenfläche der Pan-
americana und in Bildern mit Bildfehlern oder Unschärfe. Es erschien somit sinnvoll,
das Gebiet in ebene und bergige Regionen zu zerlegen, sowie fehleranfällige Bereiche
(z.B. Panamericana) von der Berechnung auszuschließen. Innerhalb der einzelnen
Gebiete sollte außerdem unterschieden werden zwischen Regionen ohne bzw. mit
geringer Bebauung und Vegetation.
Zu Beginn fanden verschiedene Tests zur automatischen DGM- Generierung mit unter-
schiedlichen Parametern am Beispiel von 4 Bildpaaren statt. Die Bildpaare wiesen die
folgenden, im Untersuchungsgebiet auftretenden topographischen Besonderheiten auf:
− Bildpaar 1 (06_27 – 06_28): Pampa; ebenes Gelände ohne Bebauung und Bewuchs (maximaler Höhenunterschied 10m)
− Bildpaar 2 (05_27 – 05_28): Ingenio- Tal; Übergang zwischen Pampa und Ingenio- Tal (Höhen zwischen 300m und 415m)
− Bildpaar 3 (13_09 – 13_10): Ingeniotal; relativ ebenes Gelände mit teilweiser Bebauung und landwirtschaftlicher Nutzfläche (Höhenunterschiede bis 50m)
− Bildpaar 4 (14_10 – 14_11): Ausläufer der Anden nördlich des Ingenio- Tales (Höhen zwischen 300m und 665m)
Dementsprechend gehört das erste Bildpaar zum topographischen Typ „flat areas“,
Objekttyp „open areas“, für das Bildpaar 2 kamen die topographischen Typen „moun-
tain“ und „rolling hills“ in Frage. Das Bildpaar 3 entsprach ebenfalls dem topographi-
schen Typ „flat areas“, Objekttyp „low urban“ und das Bildpaar 4 dem topographischen
5 Vorgehensweise und Durchführung 54
Typ „mountain“. Basierend auf diesen Strategien wurden die unterschiedlichsten Pa-
rametereinstellungen getestet und die Ergebnisse miteinander verglichen. In die DGM-
Generierung gingen auch die aus der Triangulation resultierenden GCP’s und Ver-
knüpfungspunkte mit ein.
In den Bereichen, in denen es sich um bewegtes Gelände handelt, sollte der Parame-
ter Search Size im x- Wert relativ groß sein (hier: ≥21 Pixel), bei flachem Gelände ent-
sprechend kleiner. Mit Correlation Size bestimmt man die Größe des Fensters in dem
aus den entsprechenden Grauwerten der Korrelationskoeffizient berechnet wird. Ver-
suche mit einem Wert von 3x3 und 9x9 brachten keine besseren Ergebnisse. Der Kor-
relationskoeffizient (Correlation Coefficient Limit) sollte i. A. größer 0,7, bei Bildern mit
guten radiometrischen Eigenschaften und moderatem Gelände etwa 0,8 sein. Da das
vorliegende Bildmaterial weder gute radiometrische Eigenschaften, noch moderates
Gelände aufweist, wurden auch kleinere Werte in die Tests einbezogen. Die Größe
dieses Wertes wirkt sich entscheidend auf die Anzahl der korrelierten Punkte aus.
Aus dem Vergleich der Tests für die einzelnen Bildpaare ergaben sich die in Tab. 9
zusammengestellten Parameter als am besten geeignete Werte für die jeweiligen Re-
gionen. Die für die Tests verwendete Rasterweite des resultierenden Geländemodells
war 10m x 10m.
Bildpaar 1 Bildpaar 2 Bildpaar 3 Bildpaar 4 Search Size 9x3 21x3 11x3 31x3 Correlation Size 7x7 7x7 7x7 7x7 Correl. Coeff. Limit 0,7 0,6 0,7 0,6 Topographic Type flat areas rolling hills flat areas mountain Object type open area open area low urban open area Qualität: identifizierte Punkte 6915 10876 14622 27247 ACCURACY INFORMATION: General Mass Point Quality: Excellent (1,0-0,85) 27,5633 % 23.1427 % 35.8296 % 28.2233 % Good (0,85-0,7) 51,7137 % 43.8029 % 55.1087 % 35.1929 % Fair (0,7-0,5) 0,0000 % 29.7444 % 0,0000 % 18.9599 % Isolated 0,0000 % 0.0184 % 0,0000 % 0,0000 % Suspicious 20,7231 % 3.2917 % 9.0617 % 17.6240 % Global Vertical Accuracy: GCP-/Tie- Points 41 49 66 65 Minimum -0,5005 -6.6986 -1.4532 -3.7692 Maximum 0,8335 2.1016 1.6642 3.3977 Mean Error 0,0469 -0.9113 0.0743 -0.0535 Mean Abs. Error 0,2615 1.3644 0.4485 0.8226 RMSE [Pixel] 0,3148 1.9216 0.5974 1.2333
Tab. 9: Tests zur automatischen DGM- Generierung
5 Vorgehensweise und Durchführung 55
Ein DTM Point Status Output Image (Abb. 23, rechts) gibt Auskunft über die Qualität
der berechneten Geländepunkte, welche auf der Grundlage des berechneten Kreuz-
korrelationskoeffizienten in 5 Gruppen, von excellent bis suspicious, eingeteilt werden.
Das Ergebnis hängt direkt mit der Größe des eingestellten Korrelationskoeffizienten
zusammen. Die Werte sind im Protokoll unter General Mass Point Quality (Tab. 9) zu-
sammengefasst.
Eine weitere Kontrolle bietet die Genauigkeitsanalyse der verwendeten GCP’s und Tie
Points (Verknüpfungspunkte). Je nach Bildpaar wird die entsprechende Anzahl von
Referenzpunkten mit den entsprechenden minimalen und maximalen Residuen, dem
mittleren Fehler und RMSE angegeben (Tab. 9).
Ausgehend von diesen Analysen konnte die Bearbeitung des gesamten Testgebietes
beginnen, wobei zunächst die einzelnen Regionen in den Bildern zu digitalisieren und
die entsprechenden Strategien zu definieren waren. Bei der sich anschließenden au-
tomatischen DGM- Generierung für das gesamte Gebiet fanden nur die Bildpaare mit
Längsüberdeckung Verwendung. Das Ergebnis der automatischen DGM- Generierung
ist in Abb. 23 links zu sehen.
Abb. 23: Automatisch generiertes DGM, incl. DTM Poi nt Status Output Image
Aufgrund der großen Punktdichte und angesichts des erforderlichen Zeitaufwandes
wurde auf eine manuelle Digitalisierung von Bruchkanten verzichtet. Nach der Eliminie-
rung der grob fehlerhaft korrelierten Punkte (z.B. negative Höhenwerte) konnte eine
erste Analyse des automatisch generierten DGM erfolgen. Hierbei lässt sich eine sehr
gute Genauigkeit im ebenen Gelände feststellen, was sich mit den Ergebnissen von
(SAUERBIER 2004) deckt. Am Rande des Ingenio- Tales gab es, infolge der starken
Zerklüftung des Geländes, einige Fehlkorrelationen, die manuell zu editieren sind. Im
5 Vorgehensweise und Durchführung 56
Gebirge (westlicher Bildbereich) ist das Ergebnis, auch aufgrund des Bildmaterials,
deutlich schlechter, was recht umfangreiche manuelle Nacharbeiten erfordert. Die Ge-
nauigkeitsangaben zur automatischen DGM- Generierung sind in Tab. 10 zusammen-
gefasst.
ACCURACY INFORMATION: General Mass Point Quality: Excellent (1,0-0,85) 19.1065 % Good (0,85-0,7) 50.2910 % Fair (0,7-0,5) 17.2518 % Isolated 0.0297 % Suspicious 13.3211 % Vertical Accuracy: Global GCP’s CP’s Tie Points GCP-/Tie- Points 2387 39 9 2339 Minimum -153.3638 -0.2997 -0.6254 -153.3638 Maximum 96.3329 1.8993 1.1688 96.3329 Mean Error -0.1254 0.3480 0.4791 -0.1356 Mean Abs. Error 1.2129 0.4349 0.6513 1.2280 RMSE [Pixel] 5.5074 0.5832 0.7220 5.5630
Tab. 10: Genauigkeit der automatischen DGM- Generie rung
Angesichts des enormen Zeitaufwandes, der erforderlich wäre, um das gesamte DGM
nachzubearbeiten, soll für den vorgesehenen Vergleich mit den SRTM- Daten lediglich
ein Teil des automatisch generierten DGM vom Rande des Ingenio- Tales (vgl. Abb.
24) verwendet werden. Der Ausschnitt beinhaltet einen kleinen Teil der Pampa mit
ebenem Gelände sowie die stark zerklüfteten Hänge zum Ingenio- Tal hin.
Abb. 24: Bereich des DGM- Ausschnittes
Dieser DGM- Ausschnitt wurde anschließend editiert, d.h. es wurden fehlerhafte
Punkte entfernt bzw. höhenmäßig korrigiert, so dass im Ergebnis das DGM für die
weiteren Analysen zur Verfügung stand.
5 Vorgehensweise und Durchführung 57
5.3 Analyse und Bearbeitung der SRTM- Daten
5.3.1 Geomorphologische Eigenschaften des Geländes
Betrachtet man die geomorphologischen Eigenschaften des zu untersuchenden Ge-
bietes, so kann man feststellen, dass das Gelände in Richtung Westen zur Pazifikküste
hin leicht abfällt, während es in Richtung Osten, durch die Ausläufer der Anden, sehr
stark ansteigt. Dementsprechend ist die Exposition des Geländes in Richtung Süden,
Südwesten, Westen bis Nordwesten ausgeprägter (vgl. Abb. 25), d.h. die Richtungen
der Falllinien des Geländes sind überwiegend größer als 180°. Es fällt auf, dass das
SRTM-1 DGM infolge der geringeren Pixelgröße sehr viel mehr strukturiert ist, während
die SRTM-3 Daten stark geglättet sind.
Abb. 25: Exposition der SRTM1 und SRTM-3 Daten
Die Höhenwerte im Untersuchungsgebiet schwanken von etwa 200m in Küstennähe
bis etwa 3350m im Gebirge, d.h. es sind insgesamt Höhenunterschiede von über
3000m zu verzeichnen. Konkret weisen die einzelnen Datensätze die in Tab. 11 aufge-
führten Höhenunterschiede auf. Hierbei ist zu beachten, dass die SRTM-1 Daten nicht
das gesamte Gebiet in Richtung Küste abdecken, so dass die minimalen Höhenwerte
größer sind als in den SRTM-3 Datensätzen, was sich entsprechend auch im Mittelwert
und im Median auswirkt.
SRTM-1 SRTM-3: HGT SRTM-3: TIFF SRTM-3: CGIAR Minimum 370 m 194 m 194 m 198 m Maximum 3354 m 3336 m 3338 m 3344 m Mittelwert 1208 m 949 m 951 m 954 m Median 1116 m 718 m 722 m 726 m
Tab. 11: Höhenunterschiede in verschiedenen SRTM- D atensätzen
5 Vorgehensweise und Durchführung 58
Abb. 26: Hangneigung der SRTM-1 und SRTM-3 Daten
Gleichzeitig sind die Gebirgsregionen von starken Hangneigungen geprägt, wohinge-
gen das Hauptgebiet der Pampa von Nasca in nahezu ebenem Gelände liegt, welches
nur vereinzelt von Erosionsrinnen durchzogen wird. Infolge der unterschiedlichen Auf-
lösung der SRTM-1 und SRTM-3 Daten (vgl. Abb. 26) treten Abweichungen im Wert
der Geländeneigung auf, welche die Glättung des SRTM-3 Geländemodells, insbeson-
dere im Bereich des Gebirges, widerspiegeln.
5.3.2 Datenanalyse
5.3.2.1 Vergleich der SRTM-3 Datensätze
Wie bereits erwähnt, stehen die SRTM-3 Daten in verschiedenen Formaten im Internet
frei zur Verfügung. Um zu prüfen, inwieweit es sich bei den einzelnen Datenquellen um
identische Inhalte handelt, wurden zum Vergleich die HGT- Daten des LP DAAC14,
TIFF- Daten vom SDDS15 sowie bearbeitete Daten des CGIAR-CSI16 herangezogen.
Hierbei ist zu sagen, dass die unbearbeiteten HGT- und TIFF- Daten insbesondere im
Südosten und Südwesten deutlich Fehlpixel aufweisen (in Abb. 27 in blau dargestellt),
während die Lücken in den beim CGIAR-CSI erhältlichen Daten bereits gefüllt sind.
Nach dem Mosaikieren und der anschließenden Auswahl des für das Projektgebiet
relevanten Ausschnittes lagen somit drei Rasterdatensätze vom gleichen Gebiet vor.
Bereits auf den ersten Blick fällt auf, dass der TIFF- Datensatz beispielsweise im Nord-
osten eindeutig mehr Fehlpixel aufweist, als die HGT- Daten, obwohl die Produktbe-
schreibungen angeben, dass es sich in beiden Fällen um Version 2 und somit theore-
tisch um identische Daten handelt.
14 ftp://e0srp01u.ecs.nasa.gov/srtm/version2/SRTM3/ (07.05.2007) 15 http://seamless.usgs.gov/website/Seamless/ (07.05.2007) 16 http://srtm.csi.cgiar.org/ (07.05.2007)
5 Vorgehensweise und Durchführung 59
Die Ausschnittsvergrößerungen in Abb. 27 verdeutlichen diese Unterschiede in den
beiden Datensätzen.
Abb. 27: SRTM-3 Daten von links nach rechts: HGT, TIFF und CGIAR-CSI TIFF
Beim näheren Vergleich der HGT- mit den TIFF- Daten fallen außerdem Differenzen in
den Höhenwerten auf, die aus der unterschiedlichen Datenverarbeitung resultieren.
Während das LP DAAC zur Erstellung der SRTM-3- HGT- Files von den 9 Bildpunkten
einer 3x3 Matrix jeweils den Durchschnittswert errechnete (Averaging Methode), nutzte
das EDC eine Sampling Methode, bei der jeweils der Wert des mittleren Pixels einer
3x3 Matrix übernommen wurde. (LP DAAC 21.09.2005)
Abb. 28: Differenzen zwischen HGT- und TIFF- Daten
Wie sich diese unterschiedlichen Datenverarbeitungsmethoden im Datenmaterial aus-
wirken, gibt Abb. 28 wieder. Während im ebenen Gelände kaum Unterschiede auftre-
5 Vorgehensweise und Durchführung 60
ten, schwanken die Höhenwerte im stark bewegten Gelände um bis zu ±65m, einzelne
Pixel weisen sogar noch größere Differenzen auf. Entsprechend den Ausführungen in
der Dokumentation zu den SRTM- Daten (LP DAAC 21.09.2005) reduziert die Avera-
ging Methode die Rauscheffekte, was laut entsprechender Analysen zu besseren Re-
sultaten führt.
Betrachten wir im Vergleich dazu das korrigierte CGIAR-CSI DGM, welches auf den
HGT- Daten vom ftp- Server des LP DAAC basiert. Das derzeit aktuell verfügbare
CGIAR-CSI DGM trägt die Bezeichnung Version 3. (JARVIS et al. 2006) Die Original-
daten wurden hierbei in Arc/Info mosaikiert und bearbeitet. Zum Füllen der Lücken
dienten andere Höhendaten, welche in der Produktbeschreibung näher spezifiziert
sind. Soweit keine genaueren Höheninformationen vorlagen, wie beispielsweise im
vorliegenden Untersuchungsgebiet, nutzte man die SRTM-30/GTOPO30 Daten. Zu-
sätzlich nahm man eine Lagekorrektur vor, d.h. die Daten wurden um ½ Pixel nach
Nord-Westen verschoben. Diese Lageverschiebung bewirkt logischerweise eine Hö-
hendifferenz im Vergleich zu den Ausgangsdaten, welche im bewegten Gelände recht
erheblich ist, wie aus Abb. 29 links hervorgeht. Auf welcher Grundlage diese Lagever-
schiebung basiert, wird nicht explizit angegeben. Bildet man, wie in Abb. 29 rechts, ein
Differenzbild ohne Berücksichtigung der Lageverschiebung, so treten Höhenunter-
schiede nur in den Bereichen auf, die im Originaldatenbestand als Fehlpixel enthalten
waren, d.h. es wurden offensichtlich neben der Lageverschiebung und der Bearbeitung
der Lücken keine sonstigen Veränderungen an den Ausgangsdaten vorgenommen.
Abb. 29: Differenzen: HGT- und CGIAR-CSI- Daten (li .: Original, re.: ohne Lagekorrektur)
5 Vorgehensweise und Durchführung 61
5.3.2.2 Analyse der SRTM- Daten anhand von Passpunk ten
Die sich aus den vorangegangenen Untersuchungen ergebende Frage ist, welche
SRTM-3 Daten für die weitere Bearbeitung am Besten geeignet sind. Außerdem stellt
sich die Frage, welche Genauigkeit diese SRTM-3 Daten im Vergleich zu den sonsti-
gen zur Verfügung stehenden DGM’s aufweisen. Zur Beantwortung dieser Fragen
wurden zunächst die Ergebnisse der GPS- Messkampagne 2004 herangezogen.
Insgesamt befinden sich 2113 der damals gemessenen Punkte innerhalb des zu unter-
suchenden Gebietes, wovon 1116 Punkte im Bereich der SRTM-1 Daten liegen. Über-
lagert man die einzelnen Geländemodelle mit diesen GPS- Punkten und lässt die Hö-
henwerte an den entsprechenden Positionen der Messpunkte aus dem DGM interpolie-
ren, so ergibt die Differenz zwischen den GPS- und den DGM- Höhen das in Tab. 12
aufgeführte Ergebnis. Die verwendete Software ArcGIS bietet zur Bestimmung der
DGM- Höhen die Interpolationsverfahren Nearest Neighbor, Bilinear und Cubic an. Ein
Vergleich der Interpolationsverfahren ergab keine signifikanten Unterschiede, da sich
die meisten der gemessenen Punkte im relativ ebenen Gelände der Pampa von Nasca
befinden. Den Angaben in Tab. 12 liegt eine bilineare Interpolation zugrunde. Die
Häufigkeitsverteilung der Differenzen zwischen den GPS- und den interpolierten DGM-
Höhen der in allen Geländemodellen enthaltenen 1116 Punkte zeigen die Histogram-
me in Anlage 5.
DGM- Daten Anzahl der Punkte
Minimum in m
Maximum in m
Mittelwert in m
Standard-abw. in m
SRTM-3: HGT 2113 1116
-10.06 -10.06
32.34 32.34
0.59 0.79
2.58 2.90
SRTM-3: TIFF 2113 1116
-17.06 -17.06
51.48 51.48
1.79 2.57
3.54 4.01
SRTM-3: CGIAR CSI
2113 1116
-24.45 -24.45
60.48 60.48
-0.84 -1.72
5.35 6.73
SRTM-1: WGS84(G873)
1116 -8.85 14.60 -2.53 2.44
SRTM-1: WGS84(orig.)
1116 -6.85 16.60 -0.47 2.44
Tab. 12: Differenzen zwischen GPS- und interpoliert en DGM- Höhen
Betrachtet man die Ergebnisse bezüglich der SRTM-1 Daten, so lässt sich feststellen,
dass das DGM aus der Transformation von WGS84 (orig.) nach EGM96 im Mittelwert
sehr gut mit den Höhen der GCP’s übereinstimmt, während sich bei der Transformation
WGS84 (G873) nach EGM96 ein Offset von rund 2m ergibt. Dieses Ergebnis bestätigt
die bereits im Kapitel 5.1.3 diskutierten Abweichungen der aus ERDAS Imagine
5 Vorgehensweise und Durchführung 62
resultierenden Geoidundulationen gegenüber den mit dem Geoidundulationsrechner17
berechneten Geoidundulationen zwischen WGS84 (G873) und EGM96. Es ist somit zu
vermuten, dass die Transformationsparameter von WGS84 (G873) nach EGM96 in
ERDAS Imagine fehlerhaft sind. Im Folgenden sollen daher die aus der Transformation
WGS84 (orig.) resultierenden EGM96- Höhen Verwendung finden.
Ein Vergleich der Ergebnisse bezüglich der SRTM-3 Daten zeigt, dass HGT die besten
Ergebnisse liefert, wenngleich die Abweichungen nicht sehr groß sind. Allerdings sei
hierbei nochmals darauf hingewiesen, dass die meisten Punkte im relativ ebenen Ge-
lände liegen, so dass sich weder die unterschiedliche Interpolation der TIFF- gegen-
über den HGT- Daten noch die horizontale Verschiebung des CGIAR- DGM besonders
auswirken. Betrachtet man dagegen die Punkte mit den maximalen Differenzen,
welche in den HGT- Daten deutlich kleinere Werte aufweisen, so stellt man fest, dass
sich alle diese Punkte auf den umliegenden Bergen befinden; es handelt sich dabei
zum Einen um im Gebirge gemessene Passpunkte, zum Anderen um die Referenzsta-
tionen entlang der Panamericana (vgl. auch Abb. 31), welche auf Berge oder Hügel
gelegt wurden, um eine größere Funkreichweite für die RTK- Messungen zu erzielen.
Abb. 30: Lage der GPS- Punkte (Markierung der Punkt e mit max. Differenzen)
17 http://earth-info.nga.mil/GandG/wgs84/gravitymod/egm96/intpt.html (06.05.2007)
5 Vorgehensweise und Durchführung 63
Abb. 30 zeigt die Verteilung der GPS- Punkte über das Gebiet der SRTM- Daten, wo-
bei die selektierten, hellblauen Punkte diejenigen mit den maximalen Höhendifferenzen
darstellen.
Infolge der Auflösung der SRTM-3 Daten von 90x90m entstehen natürlich gerade in
Gebieten mit größerer Geländeneigung Fehler im DGM. Bei kleineren Erhebungen, wie
z.B. dem sogenannten Hill-X (siehe Abb. 31) führt die große Rasterweite sogar dazu,
dass diese im DGM gar nicht wiedergegeben werden.
Abb. 31: Profil zwischen Referenzstation1 und Hill- X
Das Profil zwischen der Referenzstation 1 und dem Hill-X zeigt ganz klar, dass der Hill-
X (Endpunkt des Profils mit einer GPS- Höhe von ≈510m) im SRTM-3 DGM (Höhe:
494m) nicht abgebildet wird. Aber auch Ref 1 (Anfangspunkt des Profils mit einer GPS-
Höhe von ≈577m), weist in den SRTM-3 Daten einen deutlichen Höhenfehler (≈21m)
auf.
5.3.2.3 Vergleich der SRTM- Daten mit DGM25 und DGM 100
Bislang war die Digitalisierung von Höhenlinien die einzige Möglichkeit, um zu einem
flächendeckenden Geländemodell der Pampa von Nasca zu gelangen. Aus diesem
Grunde wurde 1995/96 begonnen, die Geländemodelle DGM100 und DGM25 aus den
topographischen und Katasterkarten abzuleiten.
Grundsätzlich muss man davon ausgehen, dass digitalisierte Höhenlinien als Grund-
lage für ein DGM mit Vorsicht zu genießen sind. Wie bereits im Kapitel 2.3.1 darge-
stellt, besteht ein Problem der aus Höhenlinien abgeleiteten Geländemodelle in der
inhomogenen Verteilung der digitalisierten Punkte. Daneben wirken sich Faktoren wie
die Qualität der zugrunde liegenden Karten, d.h. Entstehung und Aktualität der Karten,
Maßstab, Generalisierungsgrad, Äquidistanz der Höhenlinien, Papierverzug der Karte,
Hill-X
Ref 1
5 Vorgehensweise und Durchführung 64
sowie die Digitalisiergenauigkeit und das zur Berechnung des Geländemodells ver-
wendete Interpolationsverfahren auf die Genauigkeit des resultierenden DGM aus.
Was die Entstehung der topographischen Karten anbelangt, die als Grundlage für die
Digitalisierung der Höhenlinien dienten, so ist lediglich bekannt, dass sie aus einer
photogrammetrischen Luftbildauswertung von 1955 bzw. den 70er Jahren hervorge-
gangen sind. Über den Bildmaßstab der Luftbilder oder den Kameratyp ist nichts be-
kannt. Angesichts des Kartenmaßstabes (1:100.000 bzw. 1:25.000) muss davon aus-
gegangen werden, dass zwangsläufig Generalisierungen vorgenommen werden
mussten, was logischerweise zu Lageverschiebungen in der Karte führt.
Die Karten- oder Zeichengenauigkeit wird nach (KRAUS 2000, S. 305) mit etwa
±0.2mm angenommen, was bei einem Maßstab von 1:100.000 einer Lagegenauigkeit
von ±20m und bei 1:25.000 einer Lagegenauigkeit von ±5m entspricht, wobei die
Generalisierung nicht berücksichtigt ist. KRAUS (2000) spricht von Verschiebungen im
Bereich von 2mm (=100m) bei Karten im Maßstab 1:50.000.
Neben der Zeichengenauigkeit ist der Kartenverzug zum Zeitpunkt der Digitalisierung
(Beginn der Arbeiten: 1995/96) eine nicht zu unterschätzende Größe. Als Grundlage
für die Digitalisierung dienten Kopien der in Lima vorliegenden Karten, d.h. neben dem
normalen Papierverzug liegt vermutlich auch ein Kartenverzug infolge der Vervielfälti-
gung vor. Hinzu kommt die Digitalisiergenauigkeit, bei der man ebenfalls von ±0.2mm,
analog zur Zeichengenauigkeit, ausgeht.
Während der Digitalisierung kamen bereits erhebliche Fehler in den Karten zum Vor-
schein, d.h. es gab sowohl grob falsche Höhenpunkte als auch fehlerhafte Beschriftun-
gen von Höhenlinien, die nicht immer verifiziert werden konnten. Soweit möglich, fand
eine Beseitigung dieser Fehler im Zuge einer Nachbearbeitung der Daten statt.
Um eine Vorstellung von der Genauigkeit der beiden Geländemodelle zu bekommen,
wurden diese, wie bereits zuvor die SRTM- Daten mit den Höhen der GPS- Punkte
verglichen. Die verwendeten Geländemodelle entstanden durch Interpolation mithilfe
des Kriging- Verfahrens in ArcGIS. Der Vergleich erbrachte die in Tab. 13 aufgeführten
Differenzen.
Anzahl der Punkte
Minimum [m]
Maximum [m]
Mittelwert [m]
Standardabw. [m]
DGM100 2113 1116
-54.20 -34.52
76.14 76.14
-0.95 -6.46
16.33 14.77
DGM25 2113 1116
-28.89 -28.89
62.67 62.67
4.49 2.62
8.90 6.79
Tab. 13: Differenzen zwischen GPS- und DGM- Höhen
5 Vorgehensweise und Durchführung 65
Infolge der großen Äquidistanz der Höhenlinien (50m) werden bei beiden DGM’s,
ebenso wie bei den SRTM- Daten, kleinere Erhebungen nicht berücksichtigt, so dass
die größten Fehler hier ebenfalls bei den in geneigtem Gelände liegenden Punkten
auftreten. Aber auch in der Ebene schwanken die Höhenwerte, insbesondere beim
DGM100, zum Teil sehr stark, so dass man feststellen kann, dass die aus Höhenlinien
abgeleiteten Geländemodelle im Vergleich zu den SRTM- Daten (vgl. Tab. 12) eine
deutlich geringere Genauigkeit aufweisen. Die Ergebnisse der Differenzbildungen
zwischen SRTM- Daten und DGM25 bzw. DGM100 sind in Tab. 14 dargestellt.
Minimum [m] Maximum [m] Mittelwert [m] Standardabw. [m]
DGM100 - SRTM-3 -632 1750 9.05 49.30 DGM25 - SRTM-3 -225 1525 -2.53 30.79
DGM100 - DGM25 -378 276 5.45 30.31
DGM25 – SRTM-1 -262 232 1.66 23.76
Tab. 14: Vergleich von DGM25 und DGM100 mit SRTM- D aten
Wie erwartet, sind die Abweichungen des DGM25 bzw. DGM100 gegenüber den
SRTM- Daten sehr groß. Angesichts der maximalen Differenzen aus dem Vergleich mit
den SRTM-3 Daten lassen sich außerdem teilweise grobe Höhenfehler vermuten. Da
die Genauigkeit der beiden Geländemodelle DGM25 und DGM100 deutlich geringer
ist, als die des SRTM-3 oder gar des SRTM-1 DGM, soll auf eine weitere Bearbeitung
und Untersuchung der aus Höhenlinien abgeleiteten DGM’s verzichtet werden. Für
künftige Arbeiten wird die Verwendung der SRTM- Daten empfohlen. Es bleibt lediglich
zu untersuchen, inwieweit sich insbesondere das etwas genauere DGM25 zum Füllen
von Lücken in SRTM-3 Daten eignet.
5.3.2.4 Vergleich von SRTM-1 und SRTM-3 mit dem pho togrammetrischen DGM
Angesichts der Ergebnisse aus dem Vergleich der einzelnen SRTM-3 Datensätze
kommen für die weiteren Arbeiten ausschließlich die HGT- Daten in Frage, da diese
die besten Genauigkeiten lieferten. Allerdings geben die bisherigen Resultate noch
keinen endgültigen Aufschluss darüber, wie genau die SRTM- Daten tatsächlich sind,
da die zum Vergleich verwendeten GPS- Punkte vorrangig im ebenen Gelände liegen.
Daher soll im Folgenden ein Vergleich zwischen dem photogrammetrischen und den
SRTM- Geländemodellen durchgeführt werden. Da sich die SRTM-1 Daten und die
photogrammetrischen Luftbilder nicht überdecken, sind direkte Vergleiche zwischen
diesen beiden Geländemodellen nicht möglich, sie können somit lediglich mit dem
SRTM-3 DGM verglichen werden.
5 Vorgehensweise und Durchführung 66
Betrachtet man also die SRTM-1 im Vergleich zu den SRTM-3 Daten (Abb. 32), so
stellt man fest, dass es im ebenen Gelände kaum Abweichungen gibt, während im
Gebirge zum Teil Differenzen von über ±300m auftreten. Der durchschnittliche Betrag
der Höhendifferenz zwischen SRTM-1 und SRTM-3 im geneigten Gelände bewegt sich
dabei etwa zwischen 10m und 60m, im ebenen Gelände ist er kleiner als 5m, im
Bereich der Erosionsrinnen maximal bis 10m. Abb. 32 stellt das Differenzbild aus dem
auf 1“- Auflösung gerechneten SRTM-3 und dem SRTM-1 DGM dar. Das Histogramm
zeigt die Verteilung der Pixelwerte; der Mittelwert dieser Verteilung liegt bei -2.2m, die
Standardabweichung bei 18.8m.
Abb. 32: Differenz von SRTM-3 und SRTM-1
Das Differenzbild bestätigt die bereits bei der Analyse unter Verwendung der GPS-
Punkte erzielten Resultate. Vergleicht man nun dieses Differenzbild (Abb. 32) mit der
Hangneigung (Abb. 26), so kann man feststellen, dass die Differenzen im Allgemeinen
umso größer werden, je größer die Hangneigung ist.
Welchen Anteil die im von (HOFFMANN, WALTER 2006) festgestellten, generellen
Höhenunterschiede zwischen X-Band (SRTM-1) und C-Band (SRTM-3) Daten (vgl.
Abb. 9) auf dieses Ergebnis haben, lässt sich nicht sagen. (HOFFMANN, WALTER
2006) stellten bei ihren Analysen im Testgebiet Südamerika fest, dass das C-Band
etwa 10m höhere Werte als das X-Band aufwies. Die Vergleiche der Daten im ebenen
Gelände lassen einen solchen Trend nicht erkennen.
Neben den GPS- Punkten stellt das photogrammetrisch generierte DGM den genau-
esten Vergleichsdatensatz dar. Im Gegensatz zu den GPS- Punkten, welche haupt-
sächlich im ebenen Gelände der Pampa von Nasca liegen, überdeckt das photogram-
5 Vorgehensweise und Durchführung 67
metrische DGM auch den bergigen Bereich im Nordwesten der Pampa von Nasca, mit
Teilen des Ingenio- Tales und den Ausläufern der Anden. Für die im Folgenden vorge-
nommenen Vergleiche wurde nur der in Kapitel 5.2.2 (Abb. 24) bereits näher spezi-
fizierte Ausschnitt vom Rande des Ingenio- Tales verwendet.
Der Vergleich von SRTM-3 und photogrammetrischem DGM bestätigt die bereits aus
den vorangegangenen Untersuchungen resultierenden Aussagen. Die Abweichungen
zwischen den beiden Datensätzen liegen im ebenen Gelände bei ±3m, vereinzelt gibt
es Abweichungen bis ±5m, wobei das SRTM-3 DGM in der Pampa meist unter dem
photogrammetrischen DGM liegt, während es im Ingenio- Tal eher über diesem liegt.
An den stark geneigten Hängen zwischen Pampa und Ingenio- Tal treten allerdings
Differenzen von -35m bis 42m auf. Diese resultieren insbesondere aus der großen
Rasterweite (90m) des SRTM-3 DGM. Infolgedessen kommt es zur Glättung des
Geländes, was sich insbesondere in den Hangneigungen widerspiegelt. Während das
photogrammetrische DGM Hangneigungen bis 62° aufwei st, liegen die Hangneigungen
im SRTM-3 DGM hier bei maximal 14°.
Abb. 33: Differenz zwischen SRTM-3 und photogrammet rischem DGM
Im Ergebnis dieser Vergleiche kann man sagen, dass sowohl das SRTM-1 als auch
das SRTM-3 DGM im ebenen Gelände Höhendifferenzen kleiner als 5m aufweisen. Bei
geneigtem Gelände, wie den Hängen zum Ingenio- Tal, mit Höhenunterschieden im
Bereich von 100-200m und Hangneigungen bis 62° ist mit Höhendifferenzen von bis zu
ca. ±45m, im Gebirge durchschnittlich bis zu ±60m zu rechnen, wobei im Gebirge
vereinzelt Höhenfehler bis etwa ±400m auftreten können.
5 Vorgehensweise und Durchführung 68
5.3.3 Bearbeitung der Lücken in den SRTM-3 Daten
Eine weitere Aufgabe bestand darin, die Lücken im SRTM-3 DGM zu füllen. Wie aus
Abb. 34 hervorgeht, sind lediglich die beiden IKONOS- Kacheln 3.0 und 4.0 von größe-
ren Lücken in den SRTM-3 Daten (hier in
rot) betroffen. Da sich in diesem Bereich
keine Linien oder Geoglyphen befinden,
haben die Lücken keine Auswirkung auf
die Genauigkeit der Vektordatenerfassung.
Da jedoch eine fehlerhafte Bearbeitung
der Lücken Auswirkungen auf den für die
astronomischen Berechnungen benötigten
Höhenwinkel haben könnte, soll diesem
Thema nachfolgend etwas Aufmerksam-
keit gewidmet werden.
Abb. 34: Lage der IKONOS- Daten in Bezug zu SRTM
Zum Füllen von Lücken in SRTM- Daten existieren verschiedene Methoden und unter-
schiedlichste Softwareprodukte. Handelt es sich um nur vereinzelte Fehlpixel, und lie-
gen diese in wenig bewegtem Gelände, so liefern Interpolationsverfahren recht gute
Ergebnisse. Bei großflächig lückenhaften Gebieten hingegen wird das tatsächliche
Gelände durch eine Interpolation fehlerhaft wiedergegeben (vgl. DENKER 2005). Eine
Bewertung unterschiedlicher Softwareprodukte zum Füllen von Lücken findet man be-
reits bei (GAMACHE 2004). Im dieser Arbeit wurden neben ERDAS Imagine auch die
Freeware- Produkte 3DEM18, SAGA GIS19 und Landserf20 getestet. Bei ESRI findet
man zum Füllen der Lücken in SRTM- Daten ein AML- Script, welches auch zur Bear-
beitung des CGIAR-CSI DGM’s diente, hier jedoch nicht zur Anwendung kam.
ERDAS Imagine bietet mit dem Surface Tool die Möglichkeit einer TIN Interpolation mit
der Wahlmöglichkeit Linear oder Nicht-linear. Punkte mit bekannter Höhe bleiben dabei
unberührt, in Gebieten mit fehlender Höhe wird der Wert interpoliert. Bei der linearen
Interpolation verwendet die Software ein Polynom 1. Ordnung, bei der nichtlinearen
Methode ein Polynom 5. Ordnung. Zum Füllen der Lücken in den vorliegenden SRTM-
3 Daten kam die nicht-lineare Interpolation zur Anwendung. Die Programme 3DEM und
Landserf bieten die Möglichkeit, hgt- Daten direkt einzulesen, zu mosaikieren und
Lücken automatisch zu füllen.
18 www.visualizationsoftware.com/3dem.html 19 www.saga-gis.uni-goettingen.de/ 20 www.soi.city.ac.uk/~jwo/landserf/
5 Vorgehensweise und Durchführung 69
3DEM verwendet zum Füllen der Lücken eine lineare Interpolation; nähere Angaben
werden hierzu allerdings nicht gemacht. Landserf interpoliert jeweils die Pixel am Rand
der Lücken aus den entsprechenden Nachbarpixeln. Dieser Prozess wird solange
wiederholt, bis keine Fehlpixel mehr vorhanden sind. Das Programm SAGA GIS,
welches verschiedene Interpolationsverfahren anbietet, wurde im Rahmen der Arbeit
zum Füllen der Lücken mit Sekundärdaten (SRTM-30) verwendet.
Die Ergebnisse der Tests sollen am Beispiel der größeren Lücken im Südosten und
Südwesten des Untersuchungsgebietes verdeutlicht werden. Im südöstlichen Bereich
(vgl. Abb. 35) liegen sowohl SRTM-1 als auch SRTM-3 Daten vor. Am Beispiel eines
Profils durch das von Lücken betroffene Gebiet wird deutlich, dass das SRTM-3 DGM
sehr viel stärker geglättet ist, als das SRTM-1 DGM. Die Differenzen zwischen beiden
Geländemodellen schwanken in diesem Gebiet um ±50m. Die Abweichungen zu den
interpolierten Höhenwerten im SRTM-3 DGM liegen ebenfalls in diesem Bereich, so
dass man sagen kann, dass das Gelände durch die Interpolationen noch relativ gut
wiedergegeben wird. Die Differenzen zwischen den mit SRTM-30 gefüllten HGT- Daten
und den mit ERDAS Imagine interpolierten Höhen stimmen ebenfalls relativ gut über-
ein; der Mittelwert liegt bei -0,1m, die Standardabweichung bei 3,1m, vereinzelte Pixel
weisen Abweichungen im Bereich von ±30m auf. Bei den mit 3DEM interpolierten Hö-
henwerten sind die maximalen Differenzen gegenüber SRTM-30 bzw. ERDAS Imagine
etwas größer (bis ±60m), nahezu identisch zu den mit Landserf bearbeiteten Daten, die
hier nicht extra abgebildet sind.
Abb. 35: Profile im Bereich der Lücken in SRTM-3 Da ten (Beispiel 1)
5 Vorgehensweise und Durchführung 70
Anders sieht es im südwestlichen Bereich aus, wo die zu interpolierende Fläche etwas
größer und zusammenhängend ist (vgl. Abb. 36). Hierfür liegen keine SRTM-1 Daten
vor. Zum Vergleich wurde daher, neben SRTM-30 auch das DGM25 herangezogen.
Abb. 36: Profile im Bereich der Lücken in SRTM-3 Da ten (Beispiel 2)
Vergleicht man zunächst die interpolierten Höhen mit denen aus SRTM-30, so lässt
sich feststellen, dass die vorhandenen Senken in den interpolierten ERDAS- und
3DEM- Daten erwartungsgemäß nicht enthalten sind. In den mit Landserf interpolierten
Höhenwerten hingegen wird die Senke ähnlich den SRTM-30 Daten abgebildet. Im
Vergleich zum DGM25 wird allerdings deutlich, dass aufgrund der geringen Auflösung
des SRTM-30 DGM das Gelände eher schlecht wiedergegeben wird. Beim Nord-Süd-
Profil erscheint sogar eine Erhebung an der Stelle, wo die SRTM-30 Daten eine Senke
aufweisen.
Tab. 15 gibt die maximalen Differenzen zwischen den einzelnen Datensätzen im Be-
reich der Lücken, sowie Mittelwerte und Standardabweichungen noch einmal an.
5 Vorgehensweise und Durchführung 71
Minimum [m]
Maximum [m]
Mittelwert [m]
Standardab-weichung [m]
3DEM – SRTM-30 -47 74 5.91 15.97 ERDAS – SRTM-30 -49 79 3.42 13.24 DGM25 – SRTM-30 -61 155 23.42 43.27 Landerf – SRTM-30 -97 77 -5.05 17.85 ERDAS – 3DEM -40 29 2.48 5.85 DGM25 – 3DEM -61 153 19.98 36.53 DGM25 – ERDAS -61 131 17.50 32.97 DGM25 - Landserf -61 229 28.34 51.97
Tab. 15: Höhenvergleich im Bereich der Lücken im Sü dwesten der SRTM-3 Daten
Zusammenfassend ist zu sagen, dass bei größeren Lücken im Geländemodell auf je-
den Fall weitere Daten hinzugezogen werden sollten, da hier mittels Interpolationen
die Darstellung des Geländes, insbesondere im bewegten Gelände, verfälscht wird.
Für die sich anschließende Orthorektifizierung soll das mit SRTM-30 Daten gefüllte
SRTM-3 (HGT) DGM Verwendung finden. Im vorliegenden Fall wären allerdings auch
die interpolierten Daten ausreichend, da sich die Lücken, wie bereits festgestellt, nur in
der äußersten südwestlichen Ecke des von den IKONOS- Satellitenbildern
abgedeckten Gebietes befinden und somit auf die spätere Datenerfassung keinen
Einfluss haben. Generell erscheint es jedoch sinnvoll, die digitalisierten Höhenlinien
des DGM25 zum Füllen der Lücken zu verwenden, bzw. in den Bereichen, wo keine
DGM25- Daten existieren auf das DGM100 zurückzugreifen.
5 Vorgehensweise und Durchführung 72
5.4 Orthorektifizierung der IKONOS- Daten
5.4.1 Vorbereitung der Daten
Wie bereits erwähnt, lagen die einzelnen Multispektralkanäle der Kacheln 0.0 bis 0.2,
1.* und 2.* pansharpened vor, während für die Kacheln 0.3, 3 und 4 sowohl der pan-
chromatische Kanal als auch die multispektralen Kanäle als separate Dateien geliefert
wurden. Da für die geplanten Untersuchungen die Farbinformationen nicht relevant
sind, reichte es im Prinzip aus, mit den panchromatischen Daten bzw. einem der pan-
sharpened Kanäle weiterzuarbeiten. Im Hinblick auf die zukünftigen Arbeiten im Projekt
erschien es jedoch sinnvoll, alle vorhandenen Kanäle in die Bearbeitung einzubezie-
hen. Zudem unterstützen, nach (JACOBSEN 2006), Farbbilder die Objektinterpretation,
da sie die geometrischen Vorteile der panchromatischen mit den spektralen Vorteilen
der multispektralen Daten kombinieren.
Die pansharpened Kanäle der Kacheln 0.0 bis 0.2, 1.* und 2.* kann man mit Hilfe der
Funktion Layer Stacking in ERDAS Imagine kombinieren, wohingegen die Bearbeitung
der Kacheln 0.3, 3.0 und 4.0 zunächst ein Pansharpening erforderte. Man spricht in
diesem Zusammenhang auch von Resolution Merge oder Bildfusionierung, da das Ziel
darin besteht, Daten mit unterschiedlicher geometrischer Auflösung zu einem Bild
zusammenzuführen, also die multispektralen, geometrisch geringer aufgelösten Daten
mit den hochaufgelösten panchromatischen Daten zu fusionieren.
ERDAS Imagine bietet hierfür verschiedene Funktionen an, von denen die meisten im
ERDAS Field Guide (LEICA GEOSYSTEMS 2005) ausführlich beschrieben werden.
Wichtig bei der Wahl des Verfahrens zur Bildfusionierung ist die Frage nach der weite-
ren Verwendung der Daten. Sollen die Bilder als Grundlage für spektrale Analysen
oder Klassifizierungen dienen, so ist es wichtig, eine Spektralwert erhaltende Fusionie-
rungsmethode zu wählen. Besteht das Ziel darin, die Bilder zu Interpretationszwecken
zu nutzen, so steht die visuelle Beurteilung des Ergebnisses bei der Auswahl des Ver-
fahrens im Vordergrund. Da die vorliegenden IKONOS- Daten lediglich als Grundlage
für die Digitalisierung von Vektordaten sowie zur späteren Erstellung einer Satelliten-
bildkarte dienen sollen, spielt die visuelle Interpretation die entscheidende Rolle. Aus
den in ERDAS Imagine zur Verfügung stehenden Methoden zur Bildfusionierung wur-
den die folgenden Verfahren am Beispiel der Kachel 3.0 getestet:
− Modified IHS Resolution Merge
− Principal Component (Hauptkomponententransformation)
5 Vorgehensweise und Durchführung 73
− Brovey
− Wavelet Resolution Merge
− Ehlers
Nach (EHLERS 2004) gehören diese Verfahren in die Gruppe der pixelbasierten (ikoni-
schen) Fusionstechniken, welche sich unterteilen in Farb- Transformationen, statisti-
sche und numerische Methoden.
Zur Gruppe der Farb- Transformationen gehört die IHS (Intensity-Hue-Saturation)-
Transformation, bei der die Multispektralkanäle (RGB) in den IHS- Farbraum transfor-
miert werden. Nach einer Kontrastangleichung des panchromatischen an den Intensi-
tätskanal und der Ersetzung des Intensitätskanals durch den gestreckten panchromati-
schen Kanal erfolgt eine Rücktransformation vom IHS- in den RGB- Farbraum. Das
Ergebnisbild besitzt in etwa die spektralen Werte des Ausgangsbildes. Eine besondere
Form der IHS- Transformation ist die Modified IHS Resolution Merge Methode, welche
nicht nur drei, sondern alle vier Kanäle einbezieht und zudem die spektralen Eigen-
schaften des Ausgangsbildes beibehält (NIKOLAKOPOULUS 2004).
Die Principal Component oder Hauptkomponententransformation gehört zur Gruppe
der statistischen Techniken. Hierbei werden die Hauptkomponenten aller multispektra-
len Kanäle berechnet und nach einer Kontrastangleichung des panchromatischen Ka-
nals an die erste Hauptkomponente wird diese, ähnlich wie bei der IHS- Transforma-
tion, durch den gestreckten panchromatischen Kanal ersetzt. Eine inverse Hauptkom-
ponententransformation überführt das fusionierte Bild zurück in den RGB- Farbraum.
Die Brovey- Fusionierung gehört zu den numerischen Methoden, bei denen Funktionen
wie Multiplikation und Addition zur Kombination der multispektralen mit den panchro-
matischen Daten angewandt werden. Im einfachsten Fall wird eine einfache Multiplika-
tion (multiplikative Transformation) durchgeführt. Brovey dagegen verwendet eine
Kombination mehrerer Funktionen, wie aus Gleichung 5.4-1 hervorgeht (LEICA GEO-
SYSTEMS 2005, S. 179):
[ ] neu_Bandxpan3Band2Band1BandBandx DNDNDNDNDN/DN =⋅++ 5.4-1
mit DN = Digital Number = Grauwert
Die Ergebnisse sind nur zur visuellen Interpretation geeignet, da die spektralen Infor-
mationen nicht erhalten bleiben.
Relativ neu sind die Verfahren der Wavelet Fusionierung und die sogenannte Ehlers-
Transformation. Die Ehlers- Transformation ist eine FFT (Fast Fourier Transform) ba-
sierte IHS- Transformation. Hierbei wird zuerst eine Transformation des Multispektral-
5 Vorgehensweise und Durchführung 74
bildes in den IHS- Farbraum durchgeführt. Anschließend erfolgt, analog zur IHS-
Transformation, die Kontrastangleichung des panchromatischen Bildes an den Inten-
sitätskanal. Intensitäts- und panchromatischer Kanal werden dann über eine FFT in
den Frequenzraum überführt, wo durch eine Analyse des Powerspektrums der Entwurf
von Hoch- und Tiefpassfiltern erfolgt. Das gefilterte Spektrum wird danach durch eine
inverse FFT zurück transformiert und durch Addition der beiden Kanäle entsteht der
fusionierte Intensitätskanal. Nach einer Histogrammanpassung des fusionierten an den
ursprünglichen Intensitätskanal erhält man das neue IHS- Bild, welches durch eine
inverse IHS- Transformation wieder in den RGB- Farbraum überführt wird. (EHLERS
2004), (EHLERS 2005)
Die Wavelet Fusionierung ist der Fouriertransformation ähnlich. Durch Anwendung von
Hoch- und Tiefpassfiltern wird das panchromatische Bild in vier Komponenten zerlegt,
in das Ausgangsbild in zweifach schlechterer Auflösung und in die hochaufgelösten
Bildinformationen in vertikaler, horizontaler und diagonaler Richtung. Anschließend
kann die erste Komponente durch jeweils einen der Multispektralkanäle ersetzt wer-
den. Der Prozess kann in mehreren Iterationen erfolgen. Die inverse Transformation
führt dann die einzelnen Komponenten wieder zu einem Bild zusammen.
(HIRSCHMUGL et al. 2005, LEICA GEOSYSTEMS 2005)
Mit dem Verfahren Modified IHS Resolution Merge konnten in mehreren Tests keine
verwertbaren Resultate erzielt werden, da das Ergebnisbild farblich in keiner Band-
kombination den Ausgangsdaten entsprach. Die Einstellmöglichkeiten sind hier aller-
dings so vielfältig, dass weitere Tests erforderlich wären, um eine gezielte Aussage
über die Eignung dieser Methode zu treffen. (NIKOLAKOPOULUS 2004), der das
Verfahren ebenfalls auf IKONOS- Daten anwendete, kam zu einem ähnlichen Ergeb-
nis, dass zwar die spektralen Eigenschaften erhalten blieben, allerdings die Farben in
den einzelnen Bandkombinationen verändert wurden. (KLEINSCHMIT et al. 2007) er-
reichten hingegen recht gute Ergebnisse beim Pansharpening von Quickbird Daten.
Der visuelle Vergleich der Ergebnisse der Fusionierung mit Wavelet, Brovey, Ehlers
und Principal Component ergab, dass die Funktion Wavelet Resolution Merge das
schlechteste Resultat lieferte (vgl. Abb. 37). Ähnlich den von (HIRSCHMUGL et al.
2005) durchgeführten Tests wiesen die Wavelet Ergebnisse deutliche Artefakte auf,
Kanten wurden falsch bzw. unscharf abgebildet und Flächen mit Vegetation sowie
Kanten von Linien und Flächen in der Pampa erscheinen sehr dunkel, zum Teil
schwarz und deutlich breiter als im Original. Das Ergebnis ist also insgesamt für die
weitere Verwendung nicht geeignet.
5 Vorgehensweise und Durchführung 75
A: Wavelet Resolution Merge
B: Ehlers
C: Principal Component
D: Brovey
Abb. 37: Ergebnisse der Bildfusionierung (links: be wirtschaftete Flächen, rechts: Pampa)
5 Vorgehensweise und Durchführung 76
Die anderen drei Verfahren lieferten durchweg bessere Ergebnisse (vgl. Abb. 37). Die
Ehlers- Transformation bietet den Vorteil, dass sie die Spektralwerte des Ausgangsbil-
des beibehält; allerdings sind die Konturen hier weniger scharf abgebildet als bei
Brovey oder Principal Component. Ein unangenehmer Nebeneffekt bei der Ehlers Fu-
sionierung bestand darin, dass trotz guter Rechnerleistung sehr lange Rechenzeiten
entstanden. Die Ergebnisse von Principal Component und Brovey- Fusionierung sind
visuell relativ gleichwertig. Daher wurden alle drei Kacheln mit beiden Methoden bear-
beitet und aufgrund des Gesamteindruckes, welcher selbstverständlich subjektiv ist,
die Ergebnisse von Principal Component übernommen.
5.4.2 Datenanalyse hinsichtlich der Orthorektifizie rung
Wie schon aus den Aufnahmeparametern der IKONOS- Daten (vgl. Tab. 7) hervorgeht,
wurden die einzelnen Szenen unter verschiedenen Nadirwinkeln aufgenommen. Die
Nadirwinkel schwanken zwischen 2.75° und 33.94°, wo bei der Streifen 2 den größten
Winkel aufweist. Daraus resultierend schwankt auch die GSD (Ground Sampling Di-
stance) zwischen 0.82m (cross und along Scan) in Streifen 1 und 1.16m (cross scan)
bzw. 0.97 (along scan) im Streifen 2 (vgl. Anlage1).
Nach Gleichung 2.2-1 (∆L ≈ ∆h tanα) hat, neben der Höhendifferenz ∆h zur Bezugs-
fläche, der Nadirwinkel α einen wesentlichen Einfluss auf die resultierende Lagege-
nauigkeit. Wie Abb. 38 verdeutlicht, wirken sich insbesondere im Streifen 2 und 3 be-
reits geringe Höhendifferenzen sehr deutlich als Lagefehler aus. Die Lageabweichung
∆L beträgt hier etwa 2/3 der Höhendifferenz. Im Vergleich dazu sind es bei den
Streifen 0 und 4 nur etwa 1/3.
0,00
10,00
20,00
30,00
40,00
50,00
60,00
0,00
10,0
0
20,0
0
30,0
0
40,0
0
50,0
0
60,0
0
70,0
0
80,0
0
dh in m
dL in
m
2,75095
17,10855
17,95578
31,79214
33,93536
Streifen 0 Streifen 1 Streifen 2 Streifen 3 Streifen 4
nominal coll. elevation 72.04422° 87.24905° 56.06464° 58.20786° 72.89145° Nadir angle 17.95578° 2.75095° 33.93536° 31.79214° 17.10855°
Abb. 38: Lageabweichung in Abhängigkeit von Nadirwi nkel und Höhenunterschied
Nadirwinkel
5 Vorgehensweise und Durchführung 77
Da Streifen 3 auch vollständig von Streifen 4 abgedeckt wird und in diesem Bereich
kaum Passpunkte existieren, soll dieser im Folgenden keine spezielle Rolle spielen.
Streifen 2 hingegen ist für die weiteren Untersuchungen besonders interessant, da hier
einerseits sehr große Höhenunterschiede auftreten und dieses Gebiet andererseits
sowohl von den SRTM-1 als auch von SRTM-3 Daten abgedeckt wird. Zur Untersu-
chung des Einflusses der DGM- Genauigkeit auf die Orthorektifizierung der IKONOS-
Daten soll speziell das Bild 159644-0020001 (Kachel 2.1) dienen, da für dieses Test-
gebiet zusätzlich eine ausreichende Anzahl von GPS- gemessenen Punkten existiert.
Betrachtet man das Gelände im Testgebiet (Kachel 2.1), so lässt sich feststellen, dass
die Höhen in den SRTM-1 Daten im Bereich von 449m bis 1270m, bei SRTM-3 zwi-
schen 452m und 1266m liegen. Die Höhendifferenzen zwischen den beiden Daten-
sätzen schwanken zwischen -249m und 128m, wobei der Mittelwert bei -1m liegt. Wie
schon aus den vorangegangenen Untersuchungen hervorging, tauchen die größten
Höhendifferenzen im geneigten Gelände auf, wobei die meisten Abweichungen dort
zwischen ±30m liegen (vgl. auch Abb. 39). Hieraus lässt sich allerdings noch keine
Aussage über die Höhendifferenzen zum tatsächlichen Gelände ableiten. Berücksich-
tigt man aber allein die Unterschiede zwischen SRTM-1 und SRTM-3, so sind bei der
Georeferenzierung mit beiden Datensätzen im geneigten Gelände durchschnittliche
Lageverschiebungen bis etwa 20m (bei ∆h < ±30m), im Extremfall (bei ∆h = -249m)
sogar bis zu 168m zu erwarten.
Abb. 39: Höhendifferenzen zwischen SRTM-1 und SRTM- 3 im Testgebiet
Zum Vergleich der SRTM- Höhen mit den tatsächlichen Höhen im Testgebiet sollen
noch einmal die GPS- gemessenen Punkte herangezogen werden. Von den im Test-
gebiet liegenden 88 GPS- Punkten schienen 52 Punkte für die Orthorektifizierung ge-
eignet. Bei Überlagerung dieser Punkte mit den SRTM- Daten erhält man die in Tab.
16 dargestellten Höhendifferenzen. Dabei sind die größten Höhenunterschiede erwar-
5 Vorgehensweise und Durchführung 78
tungsgemäß bei den vier im Gebirge liegenden Punkten zu finden (siehe markierte
Punkte im Nordosten).
Minimum Maximum Mittelwert Standardabweichung SRTM-1 -5,222 m 9,482 m 0,197 m 2,769 m SRTM-3 -6,208 m 31,593 m 2,787 m 7,954 m
Tab. 16: Höhendifferenzen zwischen Passpunkten und SRTM
Ausgehend von den Ergebnissen der berechneten Lageabweichungen in Abhängigkeit
von Nadirwinkel und Höhendifferenz (Abb. 38) ist bei den im geneigten Gelände liegen-
den Punkten eine Lageverschiebung von bis zu 20m bei Verwendung des SRTM-3
DGM’s und etwa 6m bei SRTM-1 zu erwarten. Die Verschiebung wird sich dabei, in
Anbetracht des Nominal Collection Azimuth von 264.0727°, insbesondere in Ost-West-
Richtung auswirken.
Nach Abschluss der Vorbereitungen und der Analyse des Ausgangsmaterials konnte
nun mit der Orthorektifizierung begonnen werden, welche sich, unter Berücksichtigung
des Einflusses von Nadirwinkel und Geländemodell, zunächst auf die Kachel 2.1 be-
schränken sollte.
5.4.3 Orthorektifizierung am Beispiel der Kachel 2. 1
Die für die Orthorektifizierung verwendete Software ist das Image Geometric Correc-
tion Tool von ERDAS Imagine. Als Grundlage für die Orthorektifizierung des IKONOS-
Satellitenbildes 2.1 standen folgende Ausgangsdaten zur Verfügung:
− IKONOS- Bild 159644-0020001 (Kachel 2.1) pansharpened
− rpc- Dateien für die 4 Multispektralkanäle (identisch)
− DGM: SRTM-1 und SRTM-3 (*.hgt, Lücken gefüllt durch Interpolation mit ERDAS Imagine)
− 52 GPS- Passpunkte (Konturenpunkte)
Zu jedem IKONOS- Bild wird eine RPC- Datei geliefert, welche die Definition des Sen-
sormodells, basierend auf der Position des Satelliten zum Zeitpunkt der Aufnahme, in
Form der rationalen Polynom- Koeffizienten enthält. Die Koeffizienten basieren auf
einer Transformation 3. Ordnung. Die RPC- Daten enthalten somit die notwendigen
Informationen zur Bestimmung der inneren und äußeren Orientierung des Bildes. In
ERDAS Imagine ist das RPC- Modell bereits implementiert, so dass die rpc- Dateien
direkt eingelesen werden können. Mit Hilfe dieser RPC- Daten ist es möglich eine Or-
thorektifizierung, auch ohne Passpunkte, durchzuführen, wobei sich die Genauigkeit
des orthorektifizierten Bildes damit lediglich im Bereich von 20-40m bewegt. (LEICA
GEOSYSTEMS 2006)
5 Vorgehensweise und Durchführung 79
Zu Beginn waren die Bezugssysteme für Lage und Höhe (PSAD56/EGM96) einzustel-
len und das für die Orthorektifizierung zu verwendende DGM auszuwählen. Daran
schloss sich die Messung der Passpunkte an. Schwierig gestaltete sich die eindeutige
Identifizierung der 52 im Bereich der Kachel 2.1 liegenden GPS- Punkte im Bild, da es
sich bei diesen Punkten ausschließlich um Konturenpunkte handelt. Bei einem großen
Teil der vorliegenden Punkte ist es nicht möglich, diese genauer als auf 1-2 Pixel zu
bestimmen. Die Genauigkeit der Identifizierung von Konturenpunkten im Bild soll im
Kapitel 5.5 noch ausführlich betrachtet werden.
Nach Messung und Genauigkeitskontrolle der Konturenpunkte konnte die Orthorektifi-
zierung erfolgen. Die Orthorektifizierung ist eine Form der geometrischen Entzerrung
(auch als Georeferenzierung oder Geokodierung bezeichnet), bei der eine geometri-
sche Transformation der Bilddaten in ein geodätisches Referenzsystem erfolgt und
gleichzeitig, unter Verwendung eines DGM, die Verzerrungen infolge des Geländere-
liefs weitestgehend beseitigt werden. Das Ergebnis entspricht somit einem Orthobild,
oder anders ausgedrückt einem geometrisch richtigen Bild.
Im Zuge der geometrischen Transformation ist ein Resampling erforderlich, d.h. durch
Interpolation zwischen den Grauwerten des Ausgangsbildes wird die Grauwertmatrix
des Ergebnisbildes erzeugt. ERDAS Imagine stellt hierfür die üblichen Verfahren zur
Auswahl (vgl. ALBERTZ 2001, S. 102ff):
− Nearest Neighbor: übernimmt den Grauwert des im Eingabebild am nächsten liegenden Pixels
− Bilinear: ermittelt den Grauwert aus den vier direkt benachbarten Pixeln
− Bicubic: verwendet die 4x4 umliegenden Grauwerte für eine Interpolation höherer Ordnung
Die Verfahren werden z. B. bei (ALBERTZ 2001) oder (MATHER 1999) ausführlich
erläutert. Nach den Angaben im ERDAS Field Guide (LEICA GEOSYSTEMS 2005)
sollte das Nearest Neighbor Verfahren dann angewandt werden, wenn das DGM nicht
den gesamten Bereich des zu rektifizierenden Bildes abdeckt und die Pixelgröße des
DGM annähernd der des Bildes entspricht. Die Verwendung des bilinearen bzw. biku-
bischen Verfahrens wird empfohlen, wenn die Pixelgröße des DGM sehr viel größer ist
und das DGM den gesamten Bereich des zu rektifizierenden Bildes abdeckt.
Nach dieser Aussage bieten sich das bilineare bzw. das bikubische Verfahren für die
Orthorektifizierung der vorliegenden Daten an. Erfahrungsgemäß liefert die bikubische
Interpolation die besten Ergebnisse, was nach ersten Tests auch im vorliegenden Ge-
biet der Fall war (vgl. Abb. 40). Während das Ergebnis beim Verfahren der nächsten
Nachbarschaft teilweise treppenartige Strukturen aufwies, lieferte die bilineare Inter-
5 Vorgehensweise und Durchführung 80
polation diesbezüglich zwar ein besseres Ergebnis, dafür war das Resultat relativ un-
scharf und kontrastärmer. Für die geometrische Transformation kam folglich im weite-
ren Verlauf nur das bikubische Interpolationsverfahren zur Anwendung.
Abb. 40: Resampling (Links: Nearest Neighbor, Mitte : Bilinear, Rechts: Bicubic)
Die für das Ergebnisbild gewählte Pixelgröße beträgt für alle folgenden Tests jeweils
1m x 1m. Für die verschiedenen Tests zur Orthorektifizierung kamen unterschiedliche
Mengen von GCP’s und CP’s (Check Points) sowie jeweils das SRTM-1 und das
SRTM-3 DGM zum Einsatz.
Dabei konnte festgestellt werden, dass sich die Anzahl der Passpunkte quasi nicht auf
die Genauigkeit der Orthorektifizierung auswirkte. Wie bereits (JACOBSEN 2005) be-
merkte, reicht im Prinzip ein Passpunkt zur Orthorektifizierung mit RPC- Daten aus;
eine größere Anzahl von Punkten bringt nur eine geringe Steigerung der Genauigkeit.
Bei den vorliegenden Daten kommt hinzu, dass einerseits die Konturenpunkte nicht
besser als auf etwa 1 Pixel, teilweise bis 2 Pixel, genau identifizierbar sind und ande-
rerseits der Einfluss der Höhendifferenzen im DGM einen wesentlich größeren Einfluss
auf die Genauigkeit der Orthorektifizierung hat als die Anzahl der verwendeten Pass-
punkte. Das bedeutet, dass die Genauigkeit der Passpunktmessung in erster Linie von
der Wahl der verwendeten Punkte abhängt. Tab. 17 soll dies verdeutlichen. Dabei sind,
getrennt für GCP’s und CP’s, die minimalen und maximalen Residuen in x- und y-
Richtung, sowie die einzelnen RMS entsprechend den Formeln 5.2-1 und 5.2-2 ange-
geben.
Nutzt man für die Orthorektifizierung nur die Punkte im ebenen Gelände (vgl. Tab. 17:
Gesamt- RMS bei 3 und 6 GCP’s), so kommt man zu dem Resultat, dass sich, bei
Verwendung einer größeren Anzahl von Passpunkten, die Genauigkeit geringfügig
verbessert. Wird jedoch ein Punkt im geneigten Gelände hinzugefügt, was bei der
Verwendung von 9 GCP’s (vgl. Tab. 17) der Fall war, so sinkt die Genauigkeit sofort
drastisch, da hier infolge der Höhenunterschiede zwischen Bezugsfläche (SRTM) und
5 Vorgehensweise und Durchführung 81
Gelände eine deutliche Lageverschiebung auftritt. Diese Lageverschiebung ist beim
SRTM-1 DGM entsprechend geringer als bei SRTM-3 und ergibt sich aus den bereits
in Tab. 16 aufgeführten Höhendifferenzen. Wie prognostiziert, treten die Verschiebun-
gen infolge des Nominal Collection Azimuth insbesondere in Ost-West- Richtung auf
und betragen etwa 2/3 der Höhendifferenz, also bis zu 20m bei SRTM-3 und ca. 6,5m
bei SRTM-1.
DGM SRTM-1 SRTM-3 GCP 1 3 6 9 52 1 3 6 9 52
Min (x) -1,300 -1,316 -2,477 -6,214 -1,455 -0,713 -18,087 -19,024 Max (x) 1,204 1,188 2,490 3,371 1,717 0,984 6,774 5,837
Min (y) -0,310 -0,782 -0,871 -1,551 -0,197 -1,106 -1,049 -1,577 Max (y) 0,277 0,516 0,757 1,574 0,216 0,514 0,697 1,871
RMS(x) 1,024 0,785 1,382 1,985 1,308 0,674 6,316 4,080 RMS(y) 0,240 0,404 0,621 0,649 0,169 0,551 0,157 0,671
Total RMS 1,052 0,883 1,515 2,088 1,319 0,870 6,335 4,095 CP 51 49 46 43 0 51 49 46 43 0
Min (x) -4,750 -6,601 -6,609 -6,320 -18,357 -19,602 -20,216 -16,237
Max (x) 4,835 2,984 2,976 3,265 2,900 1,304 4,646 5,020 Min (y) -1,399 -1,596 -1,496 -1,223 -1,257 -1,413 -1,568 -1,472
Max (y) 1,725 1,528 1,629 1,789 2,304 2,148 1,951 1,977 RMS(x) 2,483 2,011 2,074 2,046 3,110 4,156 5,083 3,458 RMS(y) 0,672 0,670 0,676 0,698 0,811 0,806 0,734 0,711
Total RMS 2,573 2,120 2,182 2,162 3,214 4,233 5,137 3,531
Tab. 17: Genauigkeit der GCP’s und CP’s bei Verwend ung von SRTM-1 bzw. SRTM-3
Vergleicht man letztlich die orthorektifizierten Satellitenbilder aus den verschiedenen
Tests, so stellt man nur sehr geringfügige Abweichungen (≤1 Pixel bzw. ≤1m) zwischen
den mit demselben DGM rektifizierten Bildern fest. Dennoch treten die Lageverschie-
bungen im geneigten Gelände sehr deutlich zu Tage. Die aus Tab. 17 ersichtliche
Lagegenauigkeit der CP’s bestätigt diese Aussage.
Abb. 41: Verschiebungen im orthorektifizierten Bild infolge Höhendifferenzen
5 Vorgehensweise und Durchführung 82
Bei Überlagerung des orthorektifizierten Bildes mit den GPS- gemessenen Punkten
kann man derartige Lagefehler auch an kleineren Erhebungen im ansonsten ebenen
Gelände feststellen. Abb. 41 zeigt das Beispiel einer Fläche, welche auf einem kleinen
Hügel am Rande eines Tales endet. Die mit Pfeilen markierten roten Punkte konnten
nicht als GCP’s oder CP’s verwendet werden, da sie nicht eindeutig identifizierbar sind.
Dennoch sieht man deutlich die Lageverschiebung in Ost- West- Richtung (ca. 4,5m in
SRTM-3 und 3m in SRTM-1), wohingegen die gelben Punkte im annähernd ebenen
Gelände lagemäßig sehr gut (<1m, sowohl in SRTM-1 als auch in SRTM-3) passen.
Insgesamt haben die Untersuchungen gezeigt, dass es im ebenen Gelände kaum Ab-
weichungen zwischen den mit SRTM-1 und SRTM-3 rektifizierten Daten gibt, wohinge-
gen im bergigen bzw. stark geneigten Gelände Lageverschiebungen an den Pass-
punkten bis zu 20m bei SRTM-3 und bis zu 6,5m bei SRTM-1 auftreten. In Abb. 42 ist
klar zu erkennen, dass die Passpunkte (SOLL: pink, IST: gelb) in SRTM-1 auf 1-3m
übereinstimmen, während sie in SRTM-3 horizontal (15-17m) versetzt sind.
Abb. 42: Orthorektifiziertes Bild (oben: mit SRTM-1 , unten: mit SRTM-3) mit Passpunkten
Vergleicht man weitere unabhängige Geländepunkte in den mit SRTM-1 und SRTM-3
rektifizierten Bildern, so sind die Differenzen zwischen den beiden Ergebnisbildern zum
Teil sogar noch größer. So sieht man im linken Bereich in Abb. 42 deutlich, dass hier
Lageverschiebungen >50m zwischen den beiden Datensätzen vorhanden sind. Dies
5 Vorgehensweise und Durchführung 83
entspricht den bereits in Kapitel 5.4.2 getroffenen Prognosen, dass nämlich bei
maximalen vorhandenen Höhenunterschieden ∆h von bis zu -249m Lageverschiebun-
gen im Gebirge bis zu 168m auftreten können. Betrachtet man zudem die infolge der
Höhenunterschiede und der Schrägaufnahme des Bildes entstehenden Verzerrungen
im orthorektifizierten oberen Bild (SRTM-1) mit denen im unteren Bild (SRTM-3), so
erkennt man, dass die Verzerrungen mit SRTM-1 sehr viel größer sind. Eine Ursache
dafür ist die Glättung der SRTM-3- Daten infolge der Mittelbildung aus je 3x3 Pixeln der
SRTM-1- Daten, welche sich auch in der geringeren Hangneigung bei SRTM-3 wider-
spiegelt.
5.4.4 Orthorektifizierung des gesamten Blockes
Ausgehend von den am Beispiel der Kachel 2.1 gewonnen Erkenntnissen, erfolgte nun
die Triangulation des gesamten IKONOS- Blockes unter Verwendung der Software
LPS. Folgende Ausgangsdaten dienten als Grundlage für die Triangulation:
− IKONOS- Daten Streifen 0 bis 4 (pansharpened)
− rpc- Dateien
− DGM: SRTM-1 und SRTM-3 (*.hgt, Lücken gefüllt durch Interpolation mit ERDAS Imagine)
− 49 ausgewählte GPS- Passpunkte (Konturenpunkte)
Abb. 43: IKONOS- Block mit Passpunkten und Bezeichn ung der Kacheln
Die Orthorektifizierung des gesamten Blockes wurde zunächst nur mit dem SRTM-3
Geländemodell durchgeführt. Dabei fand die erste Rektifizierung mit je 2 GCP’s pro
Kachel statt. Für diese Triangulation fanden nur sehr gut identifizierbare Punkte im
4.0
0.3
3.0
0.0
0.1
0.2
1.0
2.1
2.0
1.2
1.1
5 Vorgehensweise und Durchführung 84
ebenen Gelände der Pampa Verwendung, die weitestgehend im Überlappungsbereich
der Kacheln lagen (Abb. 43). Kachel 3.0 enthielt insgesamt nur 2 gut identifizierbare
GCP’s, da für dieses Gebiet, ebenso wie für den Bereich der Kacheln 0.3 und 4.0, zum
Zeitpunkt der GPS- Messung noch keine Satellitendaten vorlagen. In den Kacheln 0.3
und 4.0 liegen die GPS- Punkte somit hauptsächlich im Überlappungsbereich mit den
Kacheln 0.0 - 0.2. Vom Gebiet nördlich des Ingenio- Tales (nördlich der Kachel 0.0)
existieren bislang keine GPS- Messungen.
Der Total Image RMSE der Triangulation, der sich aus den Residuen der Beobachtun-
gen der GCP’s in den einzelnen Bildern berechnet, lag bei 0,14 Pixeln (vgl. Tab. 18,
Spalte 1). Der Total Ground RMSE, welcher sich aus den Residuen der Koordinaten
der GCP’s in der Örtlichkeit und im Bild ergibt, hat einen Wert von 0,72m. Es sei jedoch
explizit darauf hingewiesen, dass die Abweichung an den Punkten im Gebirge nach
wie vor im Bereich von 20m lag, diese Punkte in der Triangulation lediglich unberück-
sichtigt blieben. Unabhängig davon ist das Ergebnis der Triangulation außerordentlich
gut. Die Abweichungen an den Übergängen zwischen den einzelnen Streifen (vgl. Abb.
44) liegen zum großen Teil im Subpixelbereich bis maximal 1 Pixel (1m) beim Über-
gang von Streifen 1 zu Streifen 2.
Abb. 44: Differenzen im Überlappungsbereich von Str eifen 1 nach Streifen 2 (2 GCP’s)
Die Gründe dafür, dass diese erste Triangulation so gute Resultate lieferte, liegen ei-
nerseits darin begründet, dass der größte Teil der IKONOS- Daten im ebenen Gelände
liegt, wo bereits der Vergleich der SRTM- Daten mit den Höhen der Passpunkte eine
sehr gute Genauigkeit lieferte (Standardabweichung <3m bei SRTM-1 und SRTM-3).
Das heißt, dass es dort kaum Lageabweichungen infolge von Höhenfehlern im DGM
gibt. Zum anderen sind die Nadirwinkel der Streifen 0,1 und 4 relativ klein, so dass hier
ohnehin mit geringeren Lageverschiebungen zu rechnen war. Die kritischen Bereiche
(Gebirge) liegen zudem hauptsächlich am Rande des Gebietes, so dass sich die dort
auftretenden Lageverschiebungen nicht auf die Überlappungsbereiche der Bilder aus-
5 Vorgehensweise und Durchführung 85
wirken. Außerdem liegen die sehr gut identifizierbaren Passpunkte weitestgehend im
Überlappungsbereich der Kacheln.
Anschließend wurde die Orthorektifizierung vergleichsweise mit allen 49 Passpunkten
durchgeführt. Auch bei dieser Triangulation sind die im Gebirge liegenden Punkte nicht
mit berücksichtigt. Wie sich aber bereits bei den Untersuchungen anhand der Kachel
2.1 gezeigt hat, bringt die Verwendung aller vorhandenen GCP’s nicht unbedingt eine
Genauigkeitssteigerung (vgl. Tab. 18 Spalte 2). Da einige GCP’s nur auf etwa 1-2 Pixel
genau identifizierbar waren, kam es logischerweise zu einer leichten Verschlechterung
der Genauigkeitsparameter (vgl. Total Image RMSE in Tab. 18), wobei sich die Total
RMSE- Werte immer noch im Subpixelbereich bewegen. Sieht man sich allerdings die
Überlappungszonen der Kacheln an, so stellt man eine deutliche Verschiebung
gegenüber dem Ergebnis aus der 1. Triangulation fest (Abb. 45).
Abb. 45: Differenzen im Überlappungsbereich von Str eifen 1 nach Streifen 2 (alle GCP’s)
Um die Differenzen in den Überlappungsbereichen zu beseitigen, ist es notwendig,
sogenannte Tie Points (Verknüpfungspunkte) hinzuzufügen. Eine automatische Ver-
knüpfungspunktsuche brachte hierbei allerdings keine befriedigenden Ergebnisse, da
es viele Fehlkorrelationen und mehrere Bereiche ohne Tie Points gab. Die Ursachen
dafür liegen vermutlich einerseits in der Größe der Überlappungsbereiche, welche teil-
weise sehr schmal (<90m) sind und andererseits möglicherweise in den unterschiedli-
chen spektralen Eigenschaften infolge der verschiedenen Aufnahmezeitpunkte der
Bilder. Daher mussten zusätzliche Tie Points manuell gemessen und einige vorhan-
dene Punkte editiert werden.
Die anschließende Triangulation führte zu den in Tab. 18 (Spalte 3) enthaltenen
RMSE. Vergleicht man den erreichten RMSE mit dem aus der 2. Triangulation, so ist
das Ergebnis etwas besser. Sehr deutlich wird der Einfluss der Verknüpfungspunkte
aber bei Betrachtung der Überlappungszonen zwischen den einzelnen Kacheln (vgl.
Abb. 46)
5 Vorgehensweise und Durchführung 86
Triangulation mit je 2 GCP’s allen GCP’s GCP’s + TP’s Anzahl der GCP’s (Beobachtungen) 10 (25) 49 (152) 49 (152) Anzahl der Tie Points (TP’s) - - 48 Ground RMS(X) [m] 0,0645 0,4622 0,3720 Ground RMS(Y) [m] 0,7091 0,3644 0,3270 Ground RMS(Z) [m] 0,1358 0,7131 0,6300 Total Ground RMSE [m] 0,7249 0,9246 0,8014 Image RMS(X) [Pixel] 0,0919 0,4648 0,4350 Image RMS(Y) [Pixel] 0,1039 0,4532 0,4500 Total Image RMSE [Pixel] 0,1383 0,6492 0,6259
Tab. 18: Genauigkeiten der verschiedenen Triangulat ionen
Abb. 46 zeigt zum Einen die Übersicht über den gesamten orthorektifizierten IKONOS-
Block, zum Anderen die Überlappungsbereiche ausgewählter Kacheln am Beispiel der
Panamericana. Da die einzelnen Szenen noch nicht radiometrisch angepasst sind,
erkennt man deutlich die Übergänge zwischen den Bildern und gleichzeitig die
unterschiedlichen spektralen Eigenschaften der zu verschiedenen Zeiten (Streifen 0/1:
06/2001, Streifen 2/3: 08/2000, Streifen 4: 01/2000) aufgenommenen Szenen. Auf eine
radiometrische Anpassung der Daten wird im Rahmen dieser Arbeit verzichtet.
Abb. 46: Ergebnis aus der Triangulation mit Pass- u nd Verknüpfungspunkten
5 Vorgehensweise und Durchführung 87
Verwendet man für die Orthorektifizierung eine Kombination aus SRTM-1 und SRTM-3
Daten, in der Form, dass Streifen 2 mit SRTM-1 und die restlichen Satellitenbilder mit
SRTM-3 rektifiziert werden, so erhält man ein sehr inhomogenes Ergebnis. Im ebenen
Gelände passen die unterschiedlich orthorektifizierten Satellitenbilder sehr gut
zueinander, sobald jedoch Höhendifferenzen zwischen den beiden DGM’s vorliegen,
erhält man Abweichungen im Überlappungsbereich von bis zu mehreren Metern. Um
dies zu vermeiden, wäre es notwendig, die Geländemodelle zu kombinieren, d.h. die
SRTM-3 Daten in den entsprechenden Gebieten durch SRTM-1 zu ersetzen. Dagegen
spricht, dass es im Extremfall, also bei großen Differenzen zwischen den beiden
Datensätzen, zu Sprüngen im DGM kommen kann. Somit wird zwar die
Randanpassung der einzelnen Szenen besser, die Fehler treten aber dann im
Randbereich der SRTM-1 Daten auf. Das bedeutet, dass, insbesondere bei
Schrägaufnahmen wie im vorliegenden Fall, eine Kombination der beiden SRTM-
Datensätze als Grundlage für die Orthorektifizierung nicht sinnvoll ist.
5 Vorgehensweise und Durchführung 88
5.5 Untersuchungen zur Genauigkeit der Vektordatene rfassung
Die Genauigkeit der Orthorektifizierung der Satellitendaten ist die eine Seite, wie genau
Vektordaten im Bild letztlich erfasst werden können, die andere. Um dieser Frage
nachzugehen, wurden verschiedene Konturenpunkte in der mit dem SRTM-1 DGM auf
50cm Pixelauflösung orthorektifizierten Kachel 2.1 (vgl. Kapitel 5.4.3) mehrfach gemes-
sen. Bei der Auswahl der Punkte erfolgte eine Unterscheidung in sehr gut messbare,
gut messbare und normal erkennbare Punkte. Unter der Voraussetzung, dass die Beo-
bachtungen xi bzw. yi der einzelnen Punkte von gleicher Genauigkeit sind, gilt für das
einfache arithmetische Mittel x einer Messreihe:
n
xx
n
1ii∑
= = (5.5-1)
und für die empirische Standardabweichung sx einer Beobachtung (analog für sy):
1n
n
xx
s
2i2
i
x −
∑
∑−= (5.5-2)
Dabei berechnet sich die Lagestandardabweichung sL zu: 2y
2xL sss += (5.5-3)
Für die Punktmessungen ergaben sich folgende Standardabweichungen (Tab. 19):
Kategorie Anzahl n der
Beobachtungen Punkt sx [m] sy [m] sL [m]
sehr gut 10 A.1 0,07 0,07 0,10
gut 5 B.1 0,14 0,14
5 B.2 0,12 0,11
5 B.3 0,18 0,29
5 B.4 0,14 0,11
Mittel: 0,15 0,16 0,22
normal 5 C.1 0,14 0,29
5 C.2 0,29 0,23
5 C.3 0,14 0,12
5 C.4 0,21 0,32
5 C.5 0,42 0,00
5 C.6 0,31 0,21
5 C.7 0,12 0,23
5 C.8 0,26 0,28
5 C.9 0,22 0,12
5 C.10 0,00 0,18
5 C.11 0,21 0,21
5 C.12 0,31 0,02
Mittel: 0,22 0,18 0,29
Tab. 19: Standardabweichungen aus der Messung mehre rer Punkte in Kachel 2.1
5 Vorgehensweise und Durchführung 89
In die Kategorie der sehr gut messbaren Punkte fiel Punkt A.1, welcher mit einer Lage-
standardabweichung sL von 10cm bestimmt werden konnte. Etwas geringer fiel die
Lagestandardabweichung bei den gut messbaren (B.1 – B.4) und den normal messba-
ren Punkten (C.1 – C.12) aus.
Abb. 47: Übersicht über die gemessenen Punkte
Verallgemeinert man die aus der Messung resultierenden Ergebnisse, so kann man
sagen, dass die Genauigkeit der Punktmessung im orthorektifizierten Bild in x- und y-
Richtung für normal messbare Punkte bei ca. 20cm liegt, für gut messbare Punkte bei
15cm und für sehr gut messbare Punkte sogar <10cm ist. Stellt man die im Bild ge-
messenen Koordinaten einiger normal erkennbarer Punkte denen aus der GPS- Mes-
sung gegenüber, so kommt man zu folgendem, in Tab. 20 dargestellten Ergebnis:
Punkt ∆x [m] ∆y [m] ∆L [m] C.5 0,55 -0,12 0,57 C.6 -0,34 0,18 0,38 C.8 -1,62 -0,66 1,75 C.9 0,78 -0,02 0,78 C.11 -1,76 0,23 1,77 Mittel: -0,48 -0,08 1,05
Tab. 20: Lageabweichung der gemessenen Punkte
Bei allen gemessenen Punkten fällt auf, dass die Abweichungen in x- Richtung deutlich
größer sind als in y- Richtung. Die Ursache hierfür lässt sich wiederum in der aus der
Sensorneigung resultierenden Lageverschiebung vermuten. Dabei sind die Punkte C.8
und C.11 allerdings sehr viel ungenauer als die restlichen Punkte. Ein Grund dafür ist,
dass die Punkte C.8 und C.11 im Bild schlechter identifizierbar sind (vgl. auch Abb.
5 Vorgehensweise und Durchführung 90
47). Dabei stellt sich wiederum die Frage, wie gut die Punkte in der Örtlichkeit iden-
tifiziert werden können und wie gut diese gemessenen Punkte mit den im Bild
erkennbaren Punkten übereinstimmen.
So werden Flächen häufig von Steinwällen von bis zu 2m Breite begrenzt. Bei der Auf-
nahme im Gelände ist es dabei meist schwierig, die exakte Flächenkante zu definieren.
Beispiele dafür, wie fehleranfällig solche Punkte sind, finden sich in den GPS- Mes-
sungen. Hier gibt es vereinzelte Punkte, die von verschiedenen Messtrupps, unabhän-
gig voneinander aufgenommen wurden, wie in Abb. 48 dargestellt. Bei diesen Punkten
handelt es sich um die Kreuzung einer Fahrspur mit einer Fläche. Durch die Tiefe der
Fahrspur hat sich am Rand ein 1-2m breiter Steinwall gebildet, welcher die horizontal
verlaufende Flächenbegrenzung (ebenfalls 1-2m breit) schneidet. Während ein Mess-
trupp die Mitte der sich kreuzenden Steinwälle aufnahm, hat der zweite Messtrupp
offensichtlich die innere Begrenzung der Fahrspur in Verlängerung der Flächenbegren-
zung aufgemessen. Die sich ergebende Differenz zwischen den beiden Punkten be-
trägt 0,8m.
Abb. 48: Lagedifferenzen aus unabhängigen GPS- Mess ungen
Ähnliche Beispiele gibt es auch an anderen Stellen in der Pampa, derart große Diffe-
renzen (bis max. 1,5m) treten aber vor allem an Flächen auf. Daher ist bei der Wahl
von Passpunkten - auch für künftige Messungen - darauf zu achten, dass diese ein-
deutig beschrieben werden, wobei sich Linienkreuzungen als Passpunkte generell sehr
viel besser eignen als Flächenpunkte.
Für die Datenerfassung aus Luft- und Satellitenbildern ist außerdem eine klare Festle-
gung bezüglich der zu messenden Punkte (bei Flächen z.B. die Mitte des Steinwalls)
zu treffen. Grundsätzlich kann jedoch festgestellt werden, dass sich die IKONOS-
Satellitendaten durchaus zur Erfassung von Vektordaten für das NascaGIS eignen. Die
Frage ist, reicht die erzielte Genauigkeit auch als Grundlage für die astronomischen
Berechnungen aus.
5 Vorgehensweise und Durchführung 91
5.6 Genauigkeitsanforderung für astronomische Berec hnungen
5.6.1 Hintergrund der astronomischen Theorie
Der Gedanke, dass die Pampa von Nasca das größte Astronomiebuch der Welt dar-
stellen könnte, geht zurück auf den amerikanischen Kulturhistoriker und Archäologen
Paul Kosok, der am 21. Juni 1941, dem Tag der Wintersonnenwende, eher zufällig die
Beobachtung machte, dass eine der langen Linien in der Pampa fast exakt in Richtung
des Sonnenuntergangs zeigte. Die Überlagerung des DGM mit Vektordaten (Abb. 49)
verdeutlicht diese Theorie. Eine Linie durch die Punkte PA und PB zeigt in Verlängerung
zum Horizont auf den Aufgangspunkt PH eines Gestirns.
Abb. 49: Gedanke der astronomischen Theorie
Die Idee besteht also darin, dass lange Linien und Flächen in der Pampa von Nasca
auf Himmelskörper (Sonne, Mond, Planeten oder Sterne großer Helligkeit) ausgerichtet
waren, um auf diese Art, vielleicht im Rahmen religiöser Zeremonien, Vorhersagen
bezüglich des jahreszeitlichen Wechsels, des Beginns der Regenzeit in den Anden und
damit der Zeiten von Aussaat und Ernte zu treffen.
Dr. Maria Reiche verfolgte diese Theorie über Jahrzehnte hinweg. In ihren Karten und
Aufzeichnungen notierte sie Azimute und Höhenwinkel vieler Linien und Geoglyphen,
welche aus örtlichen Messungen resultieren, und stellte bei anschließenden Berech-
nungen für zahlreiche Linien astronomische Ausrichtungen fest. Die Angabe der Azi-
mute und Höhenwinkel erfolgte dabei lediglich auf Bogenminuten.
5 Vorgehensweise und Durchführung 92
Wenngleich die Koordinaten der Bodenzeichnungen heute, mit moderner Technik, sehr
viel genauer bestimmt werden können, haben eigene Beobachtungen gezeigt, dass
sich gerade der Höhenwinkel zum Horizont nicht besser als auf einige Bogenminuten
bestimmen lässt. Hinzu kommt, dass die Refraktionseffekte infolge der Erdatmosphäre
zur Nasca- Zeit, welche die Genauigkeit wesentlich beeinflussen, nicht bekannt sind.
5.6.2 Standardabweichung des Azimuts
Wie bereits eingangs festgestellt, liegen die Lotabweichungskomponenten, bezogen
auf das internationale Hayford- Ellipsoid für das Gebiet um Nasca, bei wenigen Bogen-
sekunden. Für die Genauigkeitsuntersuchungen des astronomischen Azimuts genügt
es also, das geographische Azimut zu verwenden. Betrachtet man ferner die sehr um-
fangreichen Formeln zur Berechnung des geographischen Azimuts, so liegt es nahe,
die sehr viel einfacheren Formeln des geodätischen Richtungswinkels für die Genauig-
keitsabschätzungen zu verwenden; der dadurch entstehende Fehler ist ein Fehler 2.
Ordnung und damit vernachlässigbar klein.
Der Richtungswinkel t berechnet sich aus den Koordinaten der beiden zu betrachten-
den Punkte PA und PB, entsprechend Abb. 50, nach Formel (5.4-1).
Mit t= f(xA, xB, yA, yB) und den Standardabweichungen in den Koordinaten σx und σy
berechnet sich die Standardabweichung σt nach dem Fehlerfortpflanzungsgesetz zu:
(5.4-2)
Mit der horizontalen Entfernung S0 zwischen den beiden Punkten PA und PB, welche
sich wie folgt berechnet:
(5.4-3)
erhält man für die Standardabweichung des Richtungswinkels t:
( ) ( )2AB
2AB0 yyxxS −+−=
⋅
∂∂+⋅
∂∂+
∂∂+
∂∂= ⋅⋅
2
B
2
B
2
A
2
A
2
B
2
B
2
A
2
Ayσy
fyσy
fxσx
fxσx
ftσ
PB
y
x
PA
t S0
−−=
Axxyy
arctantB
AB
Abb. 50: Geodätisches Koordinatensystem
(5.4-1)
5 Vorgehensweise und Durchführung 93
2
B20
AB
2
A20
AB
2
B20
AB
2
A20
AByσ
S
xxyσ
S
xxxσ
S
yyxσ
S
yytσ
⋅−+
⋅
−+
⋅
−+
⋅
−= (5.4-4)
Geht man davon aus, dass die Genauigkeit in x- und y- Richtung für einen Punkt gleich
ist, d.h. also
(5.4-5) so erhält man folgende Vereinfachung:
(5.4-6) Setzt man weiterhin die Genauigkeiten von Anfangs- und Endpunkt einer Linie gleich,
unter der Annahme, dass beide Punkte mit dem gleichen Messverfahren bzw. mit glei-
cher Aufnahmegenauigkeit bestimmt wurden:
(5.4-7) so ergibt sich schließlich:
(5.4-8) Berechnet man nach dieser Näherungsformel (5.4-8) die Richtungswinkelgenauigkeit
in Abhängigkeit unterschiedlicher Lagestandardabweichungen und für unterschiedlich
lange Linien, so erhält man die in Tab. 21 aufgeführten Ergebnisse.
σxy
S0 0,10 0,20 0,30 0,40 0,50 0,70 0,80 0,90 1,00 1,10 1,20 1,30
100 4,86 9,72 14,59 19,45 24,31 34,03 38,89 43,76 48,62 53,48 58,34 63,20 200 2,43 4,86 7,29 9,72 12,15 17,02 19,45 21,88 24,31 26,74 29,17 31,60 300 1,62 3,24 4,86 6,48 8,10 11,34 12,96 14,59 16,21 17,83 19,45 21,07 400 1,22 2,43 3,65 4,86 6,08 8,51 9,72 10,94 12,15 13,37 14,59 15,80 500 0,97 1,94 2,92 3,89 4,86 6,81 7,78 8,75 9,72 10,70 11,67 12,64 600 0,81 1,62 2,43 3,24 4,05 5,67 6,48 7,29 8,10 8,91 9,72 10,53 700 0,69 1,39 2,08 2,78 3,47 4,86 5,56 6,25 6,95 7,64 8,33 9,03 800 0,61 1,22 1,82 2,43 3,04 4,25 4,86 5,47 6,08 6,68 7,29 7,90 900 0,54 1,08 1,62 2,16 2,70 3,78 4,32 4,86 5,40 5,94 6,48 7,02 1000 0,49 0,97 1,46 1,94 2,43 3,40 3,89 4,38 4,86 5,35 5,83 6,32 2000 0,24 0,49 0,73 0,97 1,22 1,70 1,94 2,19 2,43 2,67 2,92 3,16 3000 0,16 0,32 0,49 0,65 0,81 1,13 1,30 1,46 1,62 1,78 1,94 2,11 4000 0,12 0,24 0,36 0,49 0,61 0,85 0,97 1,09 1,22 1,34 1,46 1,58 5000 0,10 0,19 0,29 0,39 0,49 0,68 0,78 0,88 0,97 1,07 1,17 1,26
10000 0,05 0,10 0,15 0,19 0,24 0,34 0,39 0,44 0,49 0,53 0,58 0,63 11000 0,04 0,09 0,13 0,18 0,22 0,31 0,35 0,40 0,44 0,49 0,53 0,57 12000 0,04 0,08 0,12 0,16 0,20 0,28 0,32 0,36 0,41 0,45 0,49 0,53
Tab. 21: Richtungsgenauigkeit in Bogenminuten in Ab hängigkeit von S 0 [m] und σxy [m]
xy0
t σS
2σ =
BxyAxyxy σσσ ==
BBBAAA yσxσxyσundyσxσxyσ ====
2Bxy
2Axy
0t σσ
S1
σ +=
5 Vorgehensweise und Durchführung 94
Hierbei sind Entfernungen bis 12km berücksichtigt, was der bisher maximal gemesse-
nen Linienlänge entspricht. Die Ergebnisse in Tab. 21 verdeutlichen, dass lediglich
sehr lange Linien und Flächen mit einer Richtungswinkelgenauigkeit <1.5’ (in Tab. 21
farbig) für astronomische Untersuchungen relevant sind.
5.6.3 Standardabweichung des Höhenwinkels
Die zweite für astronomische Berechnungen wichtige Messgröße ist der Höhenwinkel.
Betrachten wir zunächst die Genauigkeit des Höhenwinkels ohne Berücksichtigung von
Refraktion und Erdkrümmung. Abb. 51 stellt die geometrische Ausgangssituation dar,
wobei PA der Standpunkt, PB der Endpunkt der Linie und PH der in Richtung der Linie
liegende, höchste Punkt am Horizont ist.
Abb. 51: Lokales Horizontalsystem
Ganz allgemein lässt sich feststellen, dass die Lagegenauigkeit im vorliegenden Fall
deutlich höher sein wird als die Höhengenauigkeit. Zudem werden die Höhenwerte zA
und zH von Stand- und Zielpunkt in unterschiedlicher Genauigkeit vorliegen, d.h. die
Höhe des Standpunktes könnte beispielsweise aus photogrammetrischer oder GPS-
Messung stammen, die des Zielpunktes am Horizont aus SRTM- Daten oder topogra-
phischen Karten. Im jeweiligen lokalen Horizontsystem berechnet sich der Höhenwin-
kel β zwischen den beiden Punkten PA (Standpunkt) und PH (Zielpunkt) wie folgt:
(5.4-9)
y (Nord)
SR
S0
zH
xA
xH
yA YH zA
PA
PH z (Zenit)
x (Ost)
zH – zA PB
xB
zB YB
β
( ) ( )
+
−=β
2AH
2AH
AH
y-yx-x
zzarctan
5 Vorgehensweise und Durchführung 95
Analog zu (5.4-3) entspricht der Ausdruck im Nenner der horizontalen Entfernung S0
zwischen den Punkten PA und PH, so dass sich ergibt:
(5.4-10) Nach Anwendung des Fehlerfortpflanzungsgesetzes auf (5.4-10) erhält man:
(5.4-11)
Die Differentiation ergibt dann:
(5.4-12)
Die Standardabweichung der Entfernung S0 setzt sich zusammen aus den Lagege-
nauigkeiten von Stand- und Zielpunkt und berechnet sich nach Fehlerfortpflanzungs-
gesetz wie folgt:
(5.4-13)
Setzt man zur Vereinfachung die Lagegenauigkeit in x- und y- Richtung an Stand- und
Zielpunkt jeweils gleich, so erhält man:
(5.4-14)
Mit der räumlichen Entfernung SR zwischen den Punkten PA und PH, welche sich be-
rechnen lässt nach der Formel:
(5.4-15)
und unter Berücksichtigung von (5.4-14) erhält man aus (5.4-12) somit die Standard-
abweichung des Höhenwinkels:
(5.4-16) Berechnet man die Genauigkeit des Höhenwinkels in Abhängigkeit unterschiedlicher
Entfernungen und Lage- bzw. Höhengenauigkeiten von Stand- und Zielpunkt, so erhält
man die in Tab. 22 aufgeführten Resultate. Die hier angenommenen Entfernungen zum
Horizont berücksichtigen das relativ ebene Gelände der Pampa von Nasca, welches
lediglich in Richtung Osten von den Ausläufern der Anden begrenzt wird. Bei Linien
und Flächen, die in dieser Richtung beobachtet werden, könnten vereinzelt auch kür-
zere Entfernungen auftreten.
( )2AH
20
2R zzSS −+=
( ) ( )2Hxy
2Axy2
0
2AH2
Hz2
Az2R
0 σS
zzσσ
S
Sσ σ+⋅
−++=β
∂∂+
∂∂+⋅
∂∂=β
20S
2
0
2Hz
2
H
2Az
2
Aσ
Sf
σzf
σzf
σ
−=β
0
AH
S
zzarctan
( )( ) 2
0S20
2AH2
Hz2
Az2AH
20
0 σS
zzσσ
zzS
Sσ ⋅−++
−+=β
2Hxy
2Axy0S σσσ +=
( ) ( ) ( ) ( )2Hy
2Ay
2Hx
2Ax0S σα sinσα sinσα cosσα cosσ ⋅+⋅+⋅+⋅=
5 Vorgehensweise und Durchführung 96
S0 [m] zH - zA [m] σzA [m] σzH [m] σxyA [m] σxyH [m] SR [m] σβ [']
10000 200 0,30 5,00 0,30 5,00 10002,00 1,72
10000 200 1,00 5,00 5,00 10,00 10002,00 1,75
10000 1000 1,00 5,00 1,00 5,00 10049,88 1,74
10000 1000 1,00 5,00 1,00 10,00 10049,88 1,77
10000 1000 1,00 10,00 1,00 10,00 10049,88 3,44
15000 1000 1,00 10,00 1,00 10,00 15033,30 2,30
15000 1000 1,00 20,00 1,00 10,00 15033,30 4,57
15000 1000 1,00 5,00 1,00 20,00 15033,30 1,20
20000 1000 1,00 5,00 1,00 5,00 20024,98 0,88
20000 1000 1,00 5,00 1,00 20,00 20024,98 0,89
20000 1000 1,00 10,00 1,00 20,00 20024,98 1,73
20000 1000 1,00 20,00 1,00 20,00 20024,98 3,44
Tab. 22: Standardabweichung des Höhenwinkels
Es lässt sich feststellen, dass sowohl der Einfluss des Höhenunterschiedes als auch
der der Lagegenauigkeit relativ gering sind, wohingegen sich die Höhengenauigkeit
von Stand- und Zielpunkt sehr stark auf die Höhenwinkelgenauigkeit auswirken. Unter
der Voraussetzung, dass der Standpunkt eine Lage- und Höhengenauigkeit im Sub-
meterbereich besitzt, ist in erster Linie das verfügbare Geländemodell, welches die
Lage- und Höhengenauigkeit am Zielpunkt bestimmt, für die Genauigkeit des Höhen-
winkels ausschlaggebend. Dabei wird der Einfluss geringer, je größer die Entfernung
vom Standpunkt zum Horizont ist. Es müssen somit insbesondere jene Linien und Flä-
chen kritisch betrachtet werden, welche östlich der Panamericana beginnen und in
Richtung der Anden (Nordosten bis Südosten) ausgerichtet sind.
5.6.3.1 Einfluss der Erdkrümmung auf den Höhenwinke l
Die Erdkrümmung bewirkt, dass bei größeren Entfernungen die Strecke zwischen zwei
Punkten PA und PH (vgl. Abb. 52) als Kreisbogen behandelt werden muss. Infolge des-
sen schneidet eine in PA angelegte Tangentialebene an die kugelförmige Erde (ent-
spricht dem Horizontalsystem im Punkt PA), die den Punkt PE enthaltende Flächen-
normale im Abstand e von der Erdoberfläche.
Mit der Näherung S ≈ S0 ist:
(5.4-17) und aufgrund des Sinussatzes, mit Berücksichtigung von (5.4-17), gilt:
(5.4-18)
R2
S
2sin 0=
γ
( )( )γ⋅
≈γγ⋅
=γ−°
γ⋅=
cosR2
S
)cos(
)2/sin(S
)90sin(
2/sinSe
2000
5 Vorgehensweise und Durchführung 97
Abb. 52: Geometrie der Erdkrümmung
Da für kleine Winkel cos(γ) ≈ 1 ist, ergibt sich:
(5.4-19) Mit dieser Näherungsformel, welche auch die Lotabweichungskomponenten vernach-
lässigt, ergeben sich folgende Werte für e und γ/2 als Effekt der Erdkrümmung:
S0 in [km] 0,1 0,5 1,0 3,0 5,0 10,0 12,0
e in [m] 0,00 0,02 0,08 0,71 1,96 7,84 11,29
γ/2 in [Minuten] 0,03 0,13 0,27 0,81 1,35 2,70 3,23
Tab. 23: Effekte der Erdkrümmung
Die Werte zeigen ganz klar, dass bei sehr langen Linien eine Korrektur des aus Koor-
dinaten berechneten Höhenwinkels infolge der Erdkrümmung erfolgen muss.
5.6.3.2 Einfluss der Refraktion auf den Höhenwinkel
Das Hauptproblem bei der Ermittlung des Höhenwinkels ist der Effekt der atmosphäri-
schen Refraktion, welche in der Hauptsache dadurch entsteht, dass die Dichte der Luft
in der Erdatmosphäre mit wachsender Höhe abnimmt. Das Licht der Gestirne wird
beim Eintritt in die Erdatmosphäre gemäß dem Brechungsgesetz abgelenkt; der Weg
des Lichtes ist demzufolge eine schwach gekrümmte Kurve (vgl. Abb. 53). Ein
Beobachter B sieht somit einen Stern in Richtung der Tangenten an diese Kurve (von
B nach C).
γ
R
R
M
PA PE
P’H
90°- γ
e
½ γ S
S0
P’H …Lotfußpunkt von PH R … Erdradius (≈ 6378km) M … Erdmittelpunkt S … Bogenlänge S0 … Horizontalstrecke
R2
Se
20≈
5 Vorgehensweise und Durchführung 98
Der beobachtete Höhenwinkel β’ ist demzufolge größer als der wahre Höhenwinkel β.
Die Differenz zwischen dem beobachteten Höhenwinkel und dem wahren Höhenwinkel
bezeichnet man als Refraktionswinkel δ, d.h. der Refraktionswinkel δ ist der „Winkel
zwischen der Tangente an den gekrümmten Lichtstrahl im Standpunkt und der Rich-
tung zu einem Zielpunkt“ (DIN 18709-1 Nr. 10.5.9). δ berechnet sich wie folgt:
(5.4-20)
Die Refraktion wirkt somit genau entgegengesetzt zur Erkrümmung. Für Höhenwinkel
größer als 30° gibt es relativ gute physikalische Modelle, mi t denen sich δ sehr genau
berechnen lässt. Problematisch wird es in bodennahen Schichten, da diese Modelle
insbesondere von der Luftdichte abhängig sind, die ihrerseits eine Funktion vor allem
des Luftdrucks, der Lufttemperatur und der Luftfeuchtigkeit ist. Ohne nun auf die Theo-
rie dieser physikalischen Modelle näher einzugehen, soll im Folgenden kurz auf die
Berechnung der Refraktion bei Höhenwinkeln kleiner als 15° eingegangen werden.
Grund dafür ist, dass nach den bisherigen Untersuchungen in Nasca alle Höhenwinkel
bezüglich der Auf- und Untergänge der Himmelskörper (Sonne, Planeten und Sterne)
unterhalb von 5° liegen.
Nach (SEIDELMANN 1992, S. 144 ) gilt für Höhenwinkel kleiner 15°:
(5.4-21) Mit den offiziellen Werten für die Normalatmosphäre (Luftdruck P = 1010 hPa und
Temperatur T = 10° C) sowie dem Höhenwinkel β in Grad erhält man die in der Tab. 24
angegebenen Refraktionswinkel in Bogenminuten. Vergleicht man diese Berechnun-
Abb. 53: Einfluss der atmosphärischen Refraktion [n ach (TEICHERT 2007)]
Stern
B...Beobachter
Lichtweg des Sterns
Zenit
Erdoberfläche
Erdatmosphäre
C
β
β' δ
2
2
0.08450.5051
0.000020.0196.15940273T
P
β⋅+β⋅+β⋅+β⋅+⋅
+=δ
o
β−β=δ '
5 Vorgehensweise und Durchführung 99
gen mit den von (MONTENBRUCK 2005, S.17) angegebenen Werten so erhält man
die entsprechenden, in der Tab. 24 angegebenen Differenzen.
β in Grad 0 1 2 3 4 5 10
δ in Minuten nach Formel (5.4-21)
34,13 24,12 18,12 14,28 11,66 9,80 5,28
δ in Minuten nach (MONTENBRUCK 2005)
36,60 25,62 19,12 14,98 10,25 5,5
Differenz 2,47 1,50 1,00 0,70 0,45 0,22
Tab. 24: Normalrefraktionen als Funktion des Höhenw inkels
Es sei darauf hingewiesen, dass Angaben in anderen Quellen, wie z.B. bei (THOM
2003), Refraktionswerte angeben, die zwischen den in Tab. 24 aufgeführten Werten
liegen. Die berechneten Differenzen stellen also im Prinzip die maximalen Unter-
schiede dar. Alleine diese Differenzen für die Normalatmosphäre zeigen aber bereits
die Unsicherheit der Refraktion in Horizontnähe. Berücksichtigt man nun noch die tat-
sächliche Temperatur und den Luftdruck zum Zeitpunkt der Beobachtung, so erhält
man zusätzliche Differenzen in der Größenordnung von bis zu 1,5 Bogenminuten. Auf-
grund dieser Ergebnisse und der Tatsache, dass die wirklichen atmosphärischen Da-
ten zur Nasca- Zeit nicht bekannt sind, kann die Genauigkeit der Refraktion nur im Be-
reich weniger Bogenminuten angenommen werden.
5.6.4 Einflüsse auf das Azimut der Himmelskörper
Per Definition ist die Ebene des astronomischen Horizonts senkrecht zur Lotlinie im
Punkt des Beobachters. Liegen Berge, Täler oder Gebäude in der beobachteten Rich-
tung, so weicht dieser theoretische astronomische Horizont um den Höhenwinkel ha,
der mehrere Grad betragen kann, vom tatsächlichen Horizont ab. Infolge dessen än-
dern sich im lokalen Horizontalsystem die Koordinaten αa und ha für auf- und unterge-
hende Himmelskörper. In Abb. 54 geht ein Stern im Punkt P0 mit dem Azimut αa0 auf,
sichtbar wird er aber erst im Punkt PH mit dem Azimut αaH (ohne Refraktionseffekte).
Analog gilt dies für untergehende Sterne. Es muss also eine Korrektur des Sternazi-
mutes in Abhängigkeit vom Höhenwinkel berechnet werden.
Nach (AVENI 2001, S. 107) erhält man für Höhenwinkel kleiner 5° die Ä nderung im
Azimut mit hinreichender Genauigkeit mit Hilfe der Korrektur ha, also dem Höhenwinkel
über dem astronomischen Horizont, und unter Berücksichtigung der geographischen
Breite B0 des Punktes P0 nach der Formel:
(5.4-22)
0*a
a B90Bobeiw*tanB
h∆α −°==
5 Vorgehensweise und Durchführung 100
Abb. 54: Änderung von Azimut und Höhenwinkel [nach (TEICHERT 2007)]
Je nachdem, ob es sich um auf- oder untergehende Gestirne handelt, leitet sich das
Azimut im Punkt PH nach Gleichung (5.4-23) ab. Dabei ist zu berücksichtigen, dass
sich die Formeln auf die Südhalbkugel beziehen; auf der Nordhalbkugel wären die Vor-
zeichen entsprechend umgekehrt.
für aufgehende Sterne: αaH = αa0 - ∆αa und für untergehende Sterne: αaH = αa0 + ∆αa
(5.4-23)
Für das Gebiet um Nasca (B0 ≈ 15°) ergeben sich damit nicht zu vernachlässigende
Korrekturen im Azimut der Gestirne von:
ha 1° 2° 3° 4° 5° ∆α 0° 16’ 0° 32’ 0° 48’ 1° 04’ 1° 20’
Tab. 25: Korrekturen im Azimut bei entsprechendem H öhenwinkel
Eine weitere Azimutkorrektur muss wegen der atmosphärischen Effekte der Absorption
und Extinktion berücksichtigt werden, denn generell hängt die Sichtbarkeit in Horizont-
nähe von den atmosphärischen Bedingungen wie z. B. Umweltverschmutzung, Dunst
und Wolken ab. So hat nach Aussagen von Maria Reiche die Sichtbarkeit in Horizont-
nähe in den vergangenen Jahrzehnten enorm abgenommen. Inzwischen ist die Pampa
von Nasca beinahe ständig von einem Dunstschleier überzogen. Unter guten Wetter-
bedingungen sind jedoch auch heute noch Sonne und Mond bis zum Horizont sichtbar;
wie weit gilt dies auch für die Sterne und Planeten?
Nach den Untersuchungen von (THOM 2003, S. 161) beträgt der Höhenwinkel über
dem Horizont für die erste und letzte Sichtbarkeit eines Sterns ungefähr dem Betrag
seiner Helligkeit (Magnitude). Das würde bedeuten, dass sehr helle Objekte wie
Sonne, Mond, Venus, Jupiter und Sirius mit einer negativen Helligkeit (Magnitude < 0)
Süd
Bergmassiv der Anden am östlichen Horizont
Nord
Spur des aufgehenden Sterns
αa0
ha
αaH
PH
P0 B*
Zenit
5 Vorgehensweise und Durchführung 101
bis zum Horizont sichtbar sind. Sterne mit der Helligkeit 1 wären bis zu einem Höhen-
winkel von 1° über dem Horizont sichtbar u. s. w., was ebenfalls zu einer Änderung im
Azimut führen würde. Da die Meinungen der Archäoastronomen hier auseinander ge-
hen, wäre eine Untersuchung dieses Effektes angebracht. Inwieweit diese Resultate
dann auf die Verhältnisse zur Nasca- Zeit übertragbar sind, bleibt allerdings fraglich.
Eine weitere zu diskutierende Frage besteht in der möglichen Genauigkeit bei der Be-
obachtung von Himmelskörpern mit bloßem Auge. Gemäß (HAWKINS 1969, S. 21)
geht die Archäoastronomie von etwa einer Bogenminute aus, wenn die Beobachtungen
im astronomischen Horizont durchgeführt werden. (THOM 2002, S. 120ff) spricht von
1-2 Bogenminuten für die Bestimmung von Mondazimuten und 1’ für Sonnenazimute.
Diese Werte werden vermutlich noch größer, wenn die Himmelskörper unter bestimm-
ten Höhenwinkeln, z.B. über einem Bergmassiv, auf- oder untergehen. Die Unsicher-
heit in der Festlegung des Höhenwinkels ist zudem wesentlich größer als die des Azi-
muts. Die mathematisch exakt berechneten Standardabweichungen dieser Winkel sind
somit nur Hilfsgrößen, die zusätzlich um den (unbekannten) Einfluss der „Beobachtung
mit bloßem Auge“ erweitert werden müssten.
6 Ergebnisse und Schlussfolgerungen 102
6 Ergebnisse und Schlussfolgerungen
Im Rahmen dieser Arbeit waren die folgenden Fragestellungen zu klären:
• Welche Genauigkeit weisen die verfügbaren Geländemodelle auf?
• Wie wirkt sich die DGM- Genauigkeit auf die Orthorektifizierung der
IKONOS- Satellitendaten aus und welche Genauigkeitsanforderungen
leiten sich daraus für das DGM ab?
• Mit welcher Genauigkeit können Vektordaten aus den rektifizierten
IKONOS- Daten abgeleitet werden und
• welche Genauigkeitsanforderungen werden an Daten gestellt, die für astro-
nomische Berechnungen dienen sollen?
• Welche Daten (Vektordaten und DGM) sind ins NascaGIS zu übernehmen
und inwieweit eignen sich diese Daten für astronomische Berechnungen?
Zu welchen Ergebnissen die Untersuchungen führten, soll im Folgenden zusammen-
gefasst und analysiert werden.
6.1 Ergebnisse zur Genauigkeit der verfügbaren Gelä ndemodelle
In die Untersuchungen zur Genauigkeit der Digitalen Geländemodelle gingen folgende
Datensätze ein:
• SRTM-3 (X-Band): im Internet frei verfügbare HGT- und TIFF- Daten sowie
bereits bearbeitete Daten vom CGIAR-CSI21 vom gesamten Gebiet
• SRTM-1 (C-Band): nur im östlichen Bereich des Untersuchungsgebietes
(gebirgige Region der Andenausläufer)
• photogrammetrisches DGM: semi-automatisch erstelltes DGM aus den
triangulierten Luftbildern von einem Teil des Untersuchungsgebietes
• DGM25 und DGM100: erstellt durch Digitalisierung von Höhenlinien aus
Kataster- und topographischen Karten (Maßstab 1:25.000 bzw. 1:100.000)
• SRTM-30/GTOPO30: zum Füllen der Lücken in SRTM-3 Daten
Der Vergleich der unterschiedlichen SRTM-3 Datensätze ergab eine sehr gute Über-
einstimmung im ebenen Gelände, jedoch erhebliche Differenzen in den Regionen mit
21 http://srtm.csi.cgiar.org/ (07.05.2007)
6 Ergebnisse und Schlussfolgerungen 103
größeren Geländeneigungen. Die Differenz der auf dem ftp- Server des LP DAAC22
verfügbaren HGT- Daten mit den in verschiedenen Rasterformaten beim SDDS23
erhältlichen SRTM-3 Daten wiesen Höhenunterschiede von -154m bis +247m auf.
Diese resultieren aus den unterschiedlichen Methoden zur Ableitung der SRTM-3, aus
den SRTM-1 (C-Band) Daten. Das beim CGIAR-CSI verfügbare DGM, welches auf den
HGT- Daten basiert und im Bereich der Lücken mit SRTM-30 Daten gefüllt wurde, er-
brachte im Vergleich mit den HGT- Daten ähnlich große Differenzen von -170m bis
+149m. Die Ursache dafür ist, wie die Analysen ergaben, eine Verschiebung des DGM
gegenüber den Ausgangsdaten um ½ Pixel in Richtung Nordwesten.
Ein Vergleich dieser drei unterschiedlichen SRTM-3 Datensätze mit den vorhandenen
GPS- gemessenen Punkten ergab, dass die HGT- Daten, trotz der Tatsache, dass ein
großer Teil der GPS- Punkte im ebenen Gelände und nur einige wenige im Gebirge
lagen, eine deutlich höhere Genauigkeit aufweisen (Tab. 26). Aus diesem Grunde ka-
men nur die HGT- Daten für die weiteren Untersuchungen in Frage.
DGM- Daten Anzahl der Punkte
Minimum in m
Maximum in m
Mittelwert in m
Standard-abw. in m
LP DAAC (HGT) 2113 -10.06 32.34 0.59 2.58 SDDS (TIFF) 2113 -17.06 51.48 1.79 3.54 CGIAR CSI (TIFF) 2113 -24.45 60.48 -0.84 5.35
Tab. 26: Differenzen der SRTM-3 DGM’s gegenüber den GPS- Punkten
Von den insgesamt 2113 im Untersuchungsgebiet gelegenen GPS- Punkten befinden
sich 1116 im Gebiet der SRTM-1 Daten. Vergleiche dieser Punkte mit den einzelnen
Geländemodellen ergaben deutlich schlechtere Genauigkeiten beim DGM25 und beim
DGM100 und etwas bessere beim SRTM-1 DGM (Tab. 27).
DGM- Daten Anzahl der Punkte
Minimum in m
Maximum in m
Mittelwert in m
Standardabw. in m
DGM100 1116 -34.52 76.14 -6.46 14.77 DGM25 1116 -28.89 62.67 2.62 6.79 SRTM-3 (HGT) 1116 -10.06 32.34 0.79 2.90 SRTM-1 1116 -6.85 16.60 -0.47 2.44
Tab. 27: Differenzen der verschiedenen DGM’s gegenü ber den GPS- Punkten
Bei allen Vergleichen lagen die Punkte mit den größten Differenzen erwartungsgemäß
im Gebirge bzw. auf kleineren Erhebungen im ansonsten ebenen Gelände der Pampa.
Für die aus digitalisierten Höhenlinien erstellten DGM’s zeichnete sich hier bereits ab,
dass diese für weitere Bearbeitungen nicht geeignet sind. Ein flächendeckender Ver-
gleich der beiden Geländemodelle mit den SRTM-3 Daten führte jedoch zu noch weit-
22 ftp://e0srp01u.ecs.nasa.gov/srtm/version2/SRTM3/ (07.05.2007) 23 http://seamless.usgs.gov/website/Seamless/ (07.05.2007)
6 Ergebnisse und Schlussfolgerungen 104
aus größeren Differenzen, bis hin zu offensichtlich groben Fehlern, die vermutlich auf
die Kartengrundlage bzw. Fehler in der Digitalisierung zurückzuführen sind. Der Ur-
sache auf den Grund zu gehen, erschien im Rahmen dieser Arbeit nicht notwendig, da
die flächendeckenden SRTM-3 Daten eindeutig höhere Genauigkeiten aufweisen und
somit für die weiteren Arbeiten zu bevorzugen sind.
Neben dem punktuellen Vergleich der Geländemodelle mit den GPS- Messungen sollte
ein großflächigerer Vergleich mit dem photogrammetrisch erstellten DGM einen weite-
ren Aufschluss über die Qualität der SRTM-1 und SRTM-3 Daten geben. Da die vor-
handenen Luftbilder und somit auch das daraus generierte DGM ausschließlich im Be-
reich der SRTM-3 Daten liegen, war ein direkter Vergleich mit SRTM-1 nicht möglich.
Daher wurde zunächst ein Vergleich der beiden SRTM- Datensätze vorgenommen und
anschließend das SRTM-3 DGM anhand des photogrammetrischen DGM analysiert.
Eine Differenzbildung von SRTM-3 (C-Band) und SRTM-1 (X-Band) ergab annähernd
Übereinstimmung im überwiegend ebenen Gelände mit durchschnittlichen Differenzen
<±5m, ohne einen beobachtbaren Trend. Im Gebirge dagegen bewegten sich die Hö-
hendifferenzen im Wesentlichen zwischen -60m und +60m, bei vereinzelten Pixeln im
Gebirge traten maximale Differenzen bis zu ±350m auf.
Die Gegenüberstellung von SRTM-3 und photogrammetrischem DGM ergab ebenfalls
eine hohe Genauigkeit der SRTM- Daten im ebenen Gelände; die Differenzen lagen
hier zum großen Teil unter ±3m. Im stark zerklüfteten Gebiet am Rande des Ingenio-
Tales, wo Höhenunterschiede bis zu 200m und Hangneigungen bis zu 62° au ftreten,
kommt es hingegen zu Höhendifferenzen im Bereich von -35m bis +42m (SRTM-3 –
photogrammetrisches DGM). Diese Abweichungen sind eine logische Folge aus der
relativ großen Rasterweite der SRTM-3 Daten von 90m. Betrachtet man unter diesem
Aspekt die unterschiedliche Hangneigung in den beiden DGM’s (Abb. 55), so erklären
sich auch die auftretenden Höhendifferenzen zwischen den beiden Datensätzen.
Abb. 55: Hangneigungen (links: SRTM-3, rechts: phot ogrammetrisches DGM)
6 Ergebnisse und Schlussfolgerungen 105
Während SRTM-3 nur Hangneigungen bis 14° aufweist, gibt es im ph otogrammetri-
schen DGM (tatsächliches Gelände) Hangneigungen bis zu 62°. Es lä sst sich ver-
muten, dass die SRTM-1 Daten infolge der geringeren Rasterweite von 30m hier etwas
geringere Höhenabweichungen und größere Hangneigungen aufweisen würden.
Im Ergebnis lässt sich feststellen, dass beide SRTM- Datensätze im ebenen Gelände
über eine sehr hohe Genauigkeit mit Höhendifferenzen von <±5m, in weiten Teilen
sogar <3m, verfügen, wohingegen in Regionen mit größerer Hangneigung, wie am
Ingenio- Tal, Höhenunterschiede bis zu etwa ±45m, im Gebirge bis zu ±60m auftreten
können. Vereinzelt muss im Gebirge sogar mit Höhenfehlern bis ca. ±400m gerechnet
werden.
Bezüglich vorhandener Lücken in den SRTM-3 Daten konnte festgestellt werden, dass
größere Lücken lediglich außerhalb bzw. am südwestlichen Rand der IKONOS- Daten
vorliegen, so dass diese im Prinzip keinen Einfluss auf die Orthorektifizierung haben.
Bei einer Verwendung des SRTM-3 Geländemodells für die Bestimmung des
Höhenwinkels im Zuge der astronomischen Berechnungen sollten die größeren Lücken
vorzugsweise mit Sekundärdaten (DGM25 oder GTOPO30) gefüllt werden, da Inter-
polationsverfahren insbesondere bei bewegtem Relief zu erheblichen Fehlern führen.
6.2 Zum Einfluss der DGM- Genauigkeit auf die Ortho rektifizierung
Der Einfluss der DGM- Genauigkeit wurde speziell am Beispiel der IKONOS- Szene 2,
Kachel 2.1 untersucht, da diese einerseits im Bereich der SRTM-1 Daten liegt und
andererseits aufgrund der besonderen Schrägaufnahme (Nadirwinkel: 33.94°) für die
Untersuchungen besonders geeignet erschien. Die Kachel 2.1 überdeckt sowohl einen
Teil des ebenen Geländes der Pampa von Nasca als auch gebirgiges Gebiet, so dass
hier insgesamt Höhenunterschiede von über 800m auftreten. Die Differenzen zwischen
SRTM-1 und SRTM-3 schwanken im Bereich dieser Kachel durchschnittlich um ±30m,
wobei vereinzelt größere Höhendifferenzen bis zu 249m auftreten. Der Vergleich
beider Geländemodelle mit den in diesem Gebiet liegenden GPS- Punkten ergab
Differenzen bis zu 31.6m bei SRTM-3 und 9.5m bei SRTM-1, wobei die maximalen
Abweichungen durchweg an Punkten im Gebirge bzw. auf den umliegenden Hügeln
auftraten.
Höhenfehler im Geländemodell wirken sich bei der Orthorektifizierung, insbesondere
von Schrägaufnahmen, als Lagefehler in den orthorektifizierten Bildern aus. Dabei be-
stimmt der Tangens des Nadirwinkels die Größe des Einflusses des Höhenfehlers. Bei
einem Nadirwinkel von rund 34° entspricht das einem Faktor v on 0.67, d.h. der Lage-
6 Ergebnisse und Schlussfolgerungen 106
fehler beträgt 2/3 des Höhenfehlers. Für die GPS- Punkte musste also mit einem Lage-
fehler der im Gebirge liegenden Punkte von ca. 20m bei SRTM-3 und etwa 6m bei
SRTM-1 gerechnet werden. Geht man von den Unterschieden zwischen den DGM’s
aus, so können im Extremfall sogar Lagefehler bis etwa 170m im Bereich der Kachel
2.1 auftreten. Die Verschiebungen entstehen dabei in Richtung der Schrägaufnahme,
d.h. bei einem Aufnahmeazimut von 264°, wie im vorliegenden Fall, en tstehen Ver-
schiebungen in Ost- West- Richtung. Die verschiedenen Tests bestätigen exakt diese
Annahmen. Während im ebenen Gelände, also dort wo beide DGM’s eine hohe Ge-
nauigkeit aufweisen, im Prinzip keine Lageverschiebungen zu beobachten sind, mit
Ausnahme vereinzelter Punkte, die sich z.B. am Rande des Río Nasca- Tales befin-
den, treten im Gebirge starke Verschiebungen in Ost- West- Richtung auf.
Die Anzahl der verwendeten GCP’s für die Orthorektifizierung ist dabei von völlig un-
tergeordneter Bedeutung. Bereits bei Verwendung von nur einem sehr gut identifizier-
baren Passpunktes im ebenen Gelände werden gute Ergebnisse bei der Orthorektifi-
zierung erreicht; eine größere Anzahl von GCP’s bringt keine sichtbare Verbesserung
des Ergebnisbildes. Die aus der Orthorektifizierung resultierenden Genauigkeitspara-
meter (Residuen und RMS) widerspiegeln letztlich die Lage der GCP’s im Gelände,
d.h. sobald GCP’s im Gebirge in die Orthorektifizierung eingehen, verschlechtert sich
die Genauigkeit drastisch.
Ähnliche Beobachtungen konnten auch bei der anschließenden Triangulation aller
IKONOS- Kacheln gemacht werden. Bei der Verwendung von nur zwei im ebenen Ge-
lände gelegenen und sehr gut identifizierbaren GCP’s pro Kachel, von denen die
meisten Punkte in den Überlappungsbereichen lagen, wurden sehr gute Ergebnisse
erzielt. Bei Verwendung aller GCP’s, von denen einige weniger gut identifizierbar und
einige Punkte im nicht ganz ebenen Gelände lagen (die Punkte im Gebirge wurden
dabei nicht verwendet), verschlechterte sich die Genauigkeit der Triangulation, was
insbesondere in den Überlappungsbereichen der Bilder sichtbar wurde. Die Verwen-
dung zusätzlicher Tie Points sorgt in diesem Falle für eine Verbesserung der Randan-
passung zwischen den einzelnen Streifen.
Man kann also sagen, dass bei Verwendung der RPC- Daten und eines SRTM- Gelän-
demodells im Prinzip ein bis zwei im ebenen Gelände gelegene, sehr gut identifizier-
bare GCP’s für die Orthorektifizierung ausreichen, da das Ergebnis der Orthorektifizie-
rung, insbesondere bei Schrägaufnahmen, in erster Linie von der Genauigkeit des
DGM’s bestimmt wird. Da die SRTM- Daten in ebenem Gelände eine sehr hohe
Genauigkeit aufweisen, ist der Einfluss des Nadirwinkels hier deutlich geringer.
6 Ergebnisse und Schlussfolgerungen 107
Zur Anforderung an die DGM- Genauigkeit für eine Orthorektifizierung der IKONOS-
Daten im Gebiet der Pampa von Nasca und letztlich für die Datenerfassung im Nasca-
GIS kann somit festgestellt werden, dass die SRTM- Daten den Anforderungen genü-
gen, da die für die Forschung interessierenden Linien und Figuren fast ausschließlich
im ebenen Gelände der Pampa liegen.
6.3 Zur Genauigkeit der Vektordatenerfassung
Die Untersuchungen zur Datenerfassung aus den orthorektifizierten IKONOS- Szenen
ergaben Genauigkeiten für die Messung im Bild in x- und y- Richtung für normal mess-
bare Punkte von ca. 20cm, für gut messbare Punkte rund 15cm und für sehr gut mess-
bare Punkte sogar <10cm. Befinden sich die Punkte im ebenen Gelände und sind sie
im Bild gut bis sehr gut identifizierbar, so liegt die absolute Lagegenauigkeit bei den
Satellitenbildszenen mit einem Nadirwinkel <18° im Submeterberei ch. Bei Szene 2
(Nadirwinkel ≈34°) kann die maximale Lageabweichung etwas größer (bis ca. 3m) sein,
weshalb in den Überlappungsbereichen vorrangig die Szenen mit kleinerem Nadirwin-
kel verwendet werden sollten. Kritisch zu betrachten sind außerdem die in der Pampa
vorkommenden breiten Flächen, welche meist von 1-2m breiten Steinwällen begrenzt
werden und deren Begrenzungen oftmals weder in der Örtlichkeit noch im Bild exakt
definierbar sind. Die absolute Lagegenauigkeit dieser Punkte liegt somit nur bei 1-2m.
Allerdings gibt es auch hier Ausnahmen, denn nicht alle Flächen sind durch Steinwälle
begrenzt. Die in Abb. 56 gezeigten Flächen werden beispielsweise durch kleine, in
Abständen von mehreren Metern liegende Steinhäufchen (∅ ca. 50cm) gebildet.
Abb. 56: Überlagerung von GPS- Messungen mit orthor ektifizierter Kachel 0.2
Während die dadurch erzeugten Linien im Gelände kaum erkennbar sind und gerade
im südöstlichen Bereich, wo die Spuren sich im Sand verlieren, eher erraten wurden,
6 Ergebnisse und Schlussfolgerungen 108
sind die Linien im Satellitenbild sehr gut sichtbar und somit sehr viel genauer bestimm-
bar als in der Örtlichkeit.
Zusammenfassend kann man somit sagen, dass die Vektordatenerfassung von Linien
im annähernd ebenen Gelände der Pampa von Nasca mit absoluten Lagegenauigkei-
ten im Submeterbereich (0,5m ≤ ∆L < 1m) möglich ist, für die Erfassung typischer, von
Steinwällen begrenzter Flächen ist mit Genauigkeiten im Bereich 1m ≤ ∆L < 2m zu
rechnen (vgl. Tab. 20).
6.4 Genauigkeitsanforderungen für astronomische Ber echnungen
Für die Durchführung der astronomischen Berechnungen sind zwei Größen notwendig,
das Azimut der Linien und Flächen, sowie der Höhenwinkel zum Horizont. Während
sich die Genauigkeit des Azimuts aus der Lagegenauigkeit von Stand und Zielpunkt
ergibt, wird die Höhenwinkelgenauigkeit zusätzlich von der Genauigkeit des DGM und
von Einflüssen wie Refraktion und Erdkrümmung bestimmt.
Die vorangegangenen Untersuchungen ergaben, dass das für die Berechnungen not-
wendige Azimut der Linien und Flächen auf 1-2 Bogenminuten vorliegen sollte. Geht
man nun davon aus, dass Linien aus den orthorektifizierten Satellitendaten mit einer
Lagegenauigkeit im Submeterbereich, Flächen hingegen auf 1-2m genau bestimmbar
sind, so kann man basierend auf den Berechnungsergebnissen in Tab. 21 feststellen,
dass lediglich die sehr langen Linien (≥2km) und Flächen (>3km) für die astronomi-
schen Untersuchungen verwendbar sind. Bei Linien, welche durch GPS- Messung oder
photogrammetrische Auswertung bestimmt wurden und somit Genauigkeiten im Be-
reich von ca. 20cm aufweisen, kommen bereits Linien ab etwa 700m für astronomische
Berechnungen in Frage.
Bezüglich der Höhenwinkelgenauigkeit, welche im Bereich weniger Bogenminuten lie-
gen sollte, hat sich gezeigt, dass der Einfluss des Höhenunterschiedes und der Lage-
genauigkeit von Stand- und Zielpunkt relativ gering sind, während sich die Höhenge-
nauigkeit sehr stark auswirkt. Geht man davon aus, dass der Standpunkt eine Lagege-
nauigkeit im Submeterbereich bis max. 2m und eine Höhengenauigkeit <3m im ebenen
Gelände besitzt, so ist in erster Linie das DGM, welches die Lage- und Höhengenauig-
keit am Zielpunkt bestimmt, für die Genauigkeit des Höhenwinkels ausschlaggebend.
Der Einfluss der Höhengenauigkeit wird dabei zwar geringer, je größer die Entfernung
vom Standpunkt zum Zielpunkt ist, dennoch sollte die Höhengenauigkeit keinesfalls
schlechter als 20-30m sein. Zusätzlich ist es notwendig, bei sehr langen Linien eine
6 Ergebnisse und Schlussfolgerungen 109
Korrektur des aus Koordinaten berechneten Höhenwinkels infolge der Erdkrümmung
vorzunehmen.
Bei Linien und Flächen, deren Azimut größer als 180° ist, d.h. die in Richtung Süden,
Westen oder Norden ausgerichtet sind, können die Höhenwinkel ohne Bedenken aus
dem SRTM-3 Geländemodell abgeleitet werden. Bei denen, die in Richtung der Anden,
also nach Osten weisen, ist jedoch Vorsicht geboten. Einerseits ist hier nur das genau-
ere SRTM-1 DGM zu verwenden, andererseits sollten die Höhenabweichungen am
jeweiligen Zielpunkt im Vergleich zu SRTM-3 und den Height Error Maps (Anlage 3)
analysiert werden, um grobe Fehler im DGM von den Berechnungen ausschließen zu
können.
6.5 Festlegungen zur Übernahme der Daten ins NascaG IS
In Anbetracht der erzielten Ergebnisse steht einer Übernahme der aus den orthorektifi-
zierten IKONOS- Daten digitalisierten Vektordaten nichts im Wege. Bei der Datener-
fassung sollten allerdings die jeweilige Geländesituation sowie die Identifizierbarkeit
der digitalisierten Punkte berücksichtigt und dementsprechende Angaben bezüglich der
zu erwartenden Lagegenauigkeit und zur Qualität der erfassten Punkte in der im
NascaGIS enthaltenen Tabelle Data Capture gemacht werden. Bislang werden hier nur
die Art der Datenerfassung, Genauigkeit und Zuverlässigkeit erfasst.
Was die Geländemodelle angeht, so sollten die bisher im NascaGIS gespeicherten
Höhenlinien des DGM25 durch die SRTM-3 Daten ersetzt werden. Eine Kombination
von SRTM-1 und SRTM-3 erscheint nicht sinnvoll, da es hier, wie bereits angedeutet
zu Sprüngen im DGM an der Grenze der beiden Geländemodelle kommen würde. Da
das NascaGIS vorzugsweise zur Visualisierung und Präsentation der Daten dient, ist
hier ein homogenes DGM vorzuziehen. Zur Berechnung der Höhenwinkel für die astro-
nomischen Berechnungen ist allerdings eine Kombination von SRTM-3 und SRTM-1
auf jeden Fall empfehlenswert.
7 Zusammenfassung und Ausblick 110
7 Zusammenfassung und Ausblick
Im Rahmen der vorliegenden Arbeit ist erstmals eine durchgehende Kontrolle aller bis
dato vorliegenden Daten vorgenommen worden. Bei den in diesem Zusammenhang
erforderlichen Transformationen der vorhandenen Ausgangsdaten in das einheitliche
peruanische Lagebezugssystem PSAD56/UTM Zone 18S und das Höhenbezugssys-
tem EGM96- Geoid stellte sich heraus, dass die früheren Transformationen von ellip-
soidischen in orthometrische Höhen auf einer mittleren Geoidundulation basierten, de-
ren Ursprung recht zweifelhaft ist. Angesichts der festgestellten Differenzen zwischen
den aktuell vorliegenden orthometrischen Höhen und den EGM96- Höhen (bis zu 6m)
schien eine neue Transformation aller existierenden Daten die sinnvollste Lösung zu
sein. Das führte dazu, dass einerseits sämtliche im NascaGIS enthaltenen GPS- Mes-
sungen und photogrammetrischen Auswertungen neu zu transformieren waren und
andererseits eine neue Aerotriangulation erfolgen musste, welche als Grundlage für
das zu erstellende DGM aus photogrammetrischen Luftbildern dienen sollte. Erst nach
Abschluss dieser Arbeiten konnte mit der eigentlichen Aufgabe begonnen werden.
Auf Grundlage der neuen Aerotriangulation wurde ein automatisch generiertes DGM
erzeugt, welches sehr gute Ergebnisse insbesondere für die ebenen Regionen aber
auch für leicht bewegtes Gelände zeigte. Im Gebirge ist der Anteil der Fehlkorrelatio-
nen allerdings so groß, dass hier eine erhebliche manuelle Nacharbeit unumgänglich
ist. Um den Umfang der manuellen Bearbeitung in Grenzen zu halten, wurde somit
lediglich ein Ausschnitt aus dem automatisch erstellten DGM editiert und im Folgenden
als quasi fehlerfreies DGM zur Analyse der vorhandenen Geländemodelle verwendet.
Der Vergleich der vorhandenen DGM’s mit diesem photogrammetrisch erstellten DGM
sowie mit GPS- gemessenen Punkten ergab, dass die aus Höhenlinien abgeleiteten
DGM25 und DGM100 für künftige Arbeiten nicht geeignet sind und deren Bearbeitung
somit nicht fortzuführen ist. Die SRTM- Daten dagegen weisen eine sehr gute Höhen-
genauigkeit speziell im ebenen Gelände auf. Im Gebirge sind allerdings teilweise sehr
große Höhendifferenzen zu verzeichnen, welche sich letztlich im Ergebnis der Ortho-
rektifizierung der Satellitendaten, insbesondere bei Schrägaufnahmen, widerspiegeln.
Die Orthorektifizierung brachte demzufolge im ebenen Gelände der Pampa von Nasca
Lagegenauigkeiten im Subpixelbereich. In Richtung der Anden, wo gleichzeitig die Sa-
tellitenbildszene mit dem größten Nadirwinkel vorlag, traten dagegen Lagedifferenzen
bei der Orthorektifizierung mit SRTM-1 im Vergleich zu SRTM-3 bis teilweise über
100m auf. Anhand der wenigen im Gebirge vorhandenen Passpunkte konnte nachge-
7 Zusammenfassung und Ausblick 111
wiesen werden, dass die Lageabweichungen bei Verwendung der SRTM-1 Daten mit
bis zu 7m deutlich geringer waren als bei Verwendung von SRTM-3, wo bis zu 20m an
den Passpunkten auftraten. Die maximalen Höhenfehler im Gebirge lassen sich,
aufgrund fehlender Vergleichsdaten, nur aus den Unterschieden zwischen SRTM-1
und SRTM-3 abschätzen.
Für die Ableitung des Höhenwinkels ist das SRTM- Geländemodell, in Anbetracht der
vorhandenen groben Höhenfehler im Gebirge, nur bedingt geeignet. In jedem Falle
sollte aber zur Berechnung der Höhenwinkel im Gebirge das genauere SRTM-1 DGM
Verwendung finden. Zur Übernahme ins NascaGIS wird allerdings das SRTM-3 DGM
empfohlen, da dieses für das gesamte Untersuchungsgebiet vorliegt und eine Kombi-
nation von SRTM-1 mit SRTM-3, infolge der dabei entstehenden Sprünge im DGM,
nicht sinnvoll erscheint.
Bezüglich der Vektordatenerfassung ist festzustellen, dass die zu erfassenden Linien
und Figuren in der Pampa von Nasca vorwiegend im ebenen Gelände liegen. Somit
konnten bei der Datenerfassung aus den orthorektifizierten IKONOS- Daten für sehr
gut identifizierbare Objekte, wie z.B. Linien, absolute Lagegenauigkeiten im Subme-
terbereich, bei weniger gut erkennbare Objekten bzw. immerhin noch Genauigkeiten
von 1-2m erreicht werden. Das bedeutet, dass die aus orthorektifizierten IKONOS-
Daten abgeleiteten Vektordaten für die Datenerfassung im NascaGIS durchaus
geeignet sind. Außerdem haben die Untersuchungen zur Eignung der Vektordaten für
astronomische Berechnungen gezeigt, dass die Digitalisiergenauigkeit für Linien ab
2km und Flächen ab 3km Länge ausreicht, um diese in die astronomischen
Berechnungen einzubeziehen. Für eine Datenerfassung beispielsweise im Gebiet der
Pampa von Palpa (welches nicht Bestandteil dieser Arbeit ist), wo sich die Linien und
Figuren vorwiegend im bergigen Gebiet befinden, sollte untersucht werden, ob aus
Stereo- Satellitendaten ein genaueres Geländemodell abgeleitet werden kann.
Im Anschluss an diese Arbeit ist zunächst das bislang unbearbeitete Gebiet des auto-
matisch generierten photogrammetrischen DGM zu editieren. Hierbei ist zu prüfen,
inwieweit es sinnvoll ist, das SRTM-3 Geländemodell mit dem photogrammetrischen
DGM im NascaGIS zu kombinieren. Außerdem sollte eine durchgehende Kontrolle der
transformierten Vektordaten des NascaGIS anhand der neuen Aerotriangulation erfol-
gen, da hier bislang nur Stichproben vorgenommen wurden.
Das Datenmodell des NascaGIS ist dahingehend zu erweitern, dass in der vorhande-
nen Tabelle Data Capture auch Informationen über die Qualität und Lage der digitali-
sierten Punkte und die daraus abzuleitende Lage- und Höhengenauigkeit erfasst
werden können.
7 Zusammenfassung und Ausblick 112
Ein weiterer Schritt besteht in der radiometrischen Anpassung und anschließenden
Mosaikbildung der orthorektifizierten IKONOS- Szenen als Grundlage für eine
Satellitenbildkarte.
Für die bereits vorliegenden Quickbird- Daten, die sich südlich und nördlich an die
IKONOS- Daten anschließen, sind zunächst Passpunktmessungen in der Örtlichkeit
notwendig. Daran anschließend können diese Satellitenbildszenen ebenfalls unter
Verwendung der SRTM- Daten orthorektifiziert werden. Es bleibt zu untersuchen, wie
sich die höhere Auflösung der Quickbird- Daten auf die Genauigkeit der Vektordaten-
erfassung auswirkt.
Bezüglich der astronomischen Berechnungen wird empfohlen, auch solche Linien und
Flächen in die Berechnungen einzubeziehen, deren Stand- bzw. Zielpunktgenauigkeit
als nicht ausreichend deklariert werden muss, die aber durch örtliche Messung
genauer bestimmbar wären. Wird für solche Linien oder Flächen eine astronomische
Relevanz festgestellt, so müssen diese ggf. im Gelände neu vermessen werden.
Quellennachweis 113
Quellennachweis
AdV (2004) Glossar zur Gestaltung der GeoInfoDok - Teilbereich DGM -. Projektgrup-pe Digitales Geländemodell im AdV-Arbeitskreis Geotopographie, Dokumentation zur Modellierung der Geoinformationen des amtlichen Vermessungswesens, Teil 8, Abschnitt 8.1.5, www.adv-online.de (10.04.07).
ALBERTZ, J. (2001) Einführung in die Fernerkundung: Grundlagen der Interpretation von Luft- und Satellitenbildern. Darmstadt: WBG. ISBN: 3-534-14624-7.
AVENI, A. F. (2001) Skywatchers. 2nd Edition. Austin: University of Texas Press. ISBN: 978-0292705029
BALTSAVIAS, E.; LI, Z.; EISENBEISS, H. (2006) DSM Generation and Interior Orien-tation Determination of IKONOS Images Using a Testfield in Switzerland. In: Photogrammetrie, Fernerkundung, Geoinformation (PGF), 1/2006, 41-54.
BALTSAVIAS, E.; PATERAKI, M.; ZHANG, L. (2001) Radiometric and geometric Evaluation of IKONOS Geo Images and their use for 3D Building Modelling, ISPRS Joint Workshop "High Resolution Mapping from Space". Hannover.
BARTELME, N. (2005) Geoinformatik: Modelle, Strukturen, Funktionen. 4. Auflage. Berlin: Springer. ISBN: 3-540-20254-4.
BERRY, P. A. M.; GARLICK, J. D.; SMITH, R. G. (2007) Near-global validation of the SRTM DEM using satellite radar altimetry. In: Remote Sensing of Environment (106), 17-27.
DENKER, H. (2005) Evaluation of SRTM3 and GTOPO30 Terrain Data in Germany. Paper presented at the Gravity, Geoid and Space Missions (GGSM 2004), Porto/Portugal. www.ife.uni-hannover.de/download-allgemein/Denker_IAGProceed-2005.pdf (20.01.07).
DLR (2006). Shuttle Radar Topography Mission - SRTM. www.dlr.de/srtm/ (17.01.07).
DOWDING, S.; KUUSKIVI, T.; LI, X. (2004, Sept. 2004) Void fill of SRTM elevation data. Paper presented at the Principles, Processes and Performance, Kansas City, Missouri/USA. www.intermap.com/uploads/1170362337.pdf (14.03.07).
EHLERS, M. (2004) Erhalt der spektralen Charakteristika bei der Bildfusion durch FFT basierte Filterung. In: Photogrammetrie, Fernerkundung, Geoinformation (PFG), 6/2004, 495-506.
EHLERS, M. (2005) Beyond Pansharpening: Advances in Data Fusion for very high resolution Remote Sensing Data. Paper presented at the ISPRS Workshop High-Resolution Earth Imaging for Geospatial Information, Hannover.
EISENBEISS, H.; BALTSAVIAS, E.; PATERAKI, M.; ZHANG, L.; GUT, O.; HELLER, O. (2004) Das Potenzial von Ikonos- und Quickbird- Bildern für die genaue 3D- Punktbestimmung, Orthophoto- und DSM- Generierung. In: Géomatique Suisse(9), 556-562.
FRASER, C. S.; DIAL, G.; GRODECKI, J. (2006) Sensor orientation via RPCs. In: ISPRS Journal of Photogrammetry & Remote Sensing, 60(3), 182-194.
GAMACHE, M. (2004) Free and Low Cost Datasets for International Mountain Carto-graphy. www.terrainmap.com/downloads/Gamache_final_web.pdf (26.01.07).
GEO EYE (2006) IKONOS Imagery Product Catalog, Version 1.5 www.geoeye.com/whitepapers_pdfs/GeoEye_IKONOS_Product_Guide_v17.pdf (19.01.07).
Quellennachweis 114
GRODECKI, J.; DIAL, G. (2001) Ikonos Geometric Accuracy. Paper presented at the ISPRS Joint Workshop "High Resolution Mapping from Space", Hannover. www.satimagingcorp.com/satellite-sensors/IKONOSGeometricAccuracy-ISPRS202001.pdf (30.01.07).
GRODECKI, J.; DIAL, G. (2003) Block Adjustment of high-resolution Satellite Images described by Rational Polynomials. In: Photogrammetric Engineering & Remote Sensing, Vol. 69(1), 59-68.
HALL, O.; FALORNI, G.; BRAS, R. L. (2005) Characterization and Quantification of Data Voids in the Shuttle Radar Topography Mission Data. IEEE Geoscience and Remote Sensing Letters.
HAWKINS, G. (1969) Ancient lines in the peruvian desert. Smithsonian Institution, Final scientific report for the national geographic society expedition, Cambridge.
HIRSCHMUGL, M.; GALLAUN, H.; PERKO, R.; SCHARDT, M. (2005) Pansharpening - Methoden für digitale, sehr hoch auflösende Fernerkundungsdaten. In: Strobl/ Blaschke/Griesebner (Hrsg.), Angewandte Geoinformatik 2005. Beiträge zum 17. AGIT- Symposium Salzburg, S. 270-276. Heidelberg: Wichmann Verlag.
HOFFMANN, J.; WALTER, D. (2006) How Complementary are SRTM-X and -C Band Digital Elevation Models? In: Photogrammetric Engineering & Remote Sensing, Vol. 72(No. 3), 261-268.
Institut Géographique National (2006, 12/2006). The International Terrestrial Reference System (ITRS). http://itrf.ensg.ign.fr/ (10.01.07).
JACOBSEN, K. (2002) Auswertung von IKONOS- Aufnahmen. Paper presented at the Vorträge - 22. wissenschaftlich-technische Jahrestagung der DGPF, Neubran-denburg.
JACOBSEN, K. (2004) Generierung und Validierung von Höhenmodellen aus Welt-rauminformationen. In: Eckhard Seyfert (Hrsg.): Publikationen der DGPF, Band 13, 475-482. www.ipi.uni-hannover.de/html/publikationen/2004/paper/jac_04_dgpf.pdf (12.01.07).
JACOBSEN, K. (2005) Vergleich der Orientierungsverfahren für Weltraumaufnahmen. In: E. Seyfert (Hrsg.), GEO-GOVERNMENT, Wirtschaftliche Innovation durch Geodaten, Bd. Bd. 14, S. 467-474. Rostock.
JACOBSEN, K. (2006) Hochauflösende Satellitenbilder – ein gleitender Übergang zu Luftbildern. In: Festschrift zur 125-Jahr-Feier Geodäsie und Geoinformation: Wissenschaftliche Arbeiten der FR Geodäsie und Geoinformatik der Leibniz-Universität Hannover, Band 263, 199-208. www.ipi.uni-hanno-ver.de/html/publikationen/2006/paper/KJ_Festschrift.pdf (12.01.07).
JARVIS, A.; REUTER, H. I.; GUEVARA, E. (2006). Hole-filled seamless SRTM data V3. http://srtm.csi.cgiar.org/ (13.03.07).
JPL (2006, 02.02.2006). SRTM - The Mission to Map the World. http://www2.jpl.nasa.gov/srtm/ (06.05.07).
KLEINSCHMIT, B.; FÖSTER, M.; FRICK, A.; OEHMICHEN, K. (2007) Quickbird Data - experiences with ordering, quality and pan sharpening. In: Photogrammetrie, Fernerkundung, Geoinformation (PFG), 2/2007, 73-83.
KOCH, A.; HEIPKE, C.; LOHMANN, P. (2002) Bewertung von SRTM Digitalen Gelän-demodellen - Methodik und Ergebnisse. In: Photogrammetrie, Fernerkundung, Geoinformation (PGF)(6), 389-398. www.ipi.uni-hannover.de/html/publikationen/2002/paper/pfg_koch_heipke_lohmann.pdf (19.01.07).
Quellennachweis 115
KRAUS, K. (2000) Topographische Informationssysteme. Bd. 3. Köln: Dümmler Verlag. ISBN: 3-427-78751-6.
KRAUS, K. (2004) Geometrische Informationen aus Photographien und Laserscanner-aufnahmen. 7., vollst. bearb. und erw. Aufl., Bd. 1. Berlin: De Gruyter. ISBN: 978-3110177084.
Leica Geosystems (2005). ERDAS Field Guide [Technical Documentation]. USA: Leica Geosystems Geospatial Imaging, LLC.
Leica Geosystems (2006). IKONOS Sensor Model Support - Tour Guide [Technical Documentation]. USA.
LILLESAND, T. M.; KIEFER, R. W. (2000) Remote Sensing and Image Interpretation. 4th Edition. New York: John Wiley & Sons. ISBN: 0-471-25515-7.
LP DAAC (21.09.2005) SRTM Topography, ftp://e0srp01u.ecs.nasa.gov/srtm/version2/Documentation/SRTM_Topo.pdf (06.05.07).
MATHER, P. M. (1999) Computer Processing of Remotely-Sensed Images. An Intro-duction. 2. Ed. Chichester/England: John Wiley & Sons. ISBN: 0-471-98550-3.
MAUNE, D. F. (2007) Digital Elevation Model Tedchnologies and Applications: The DEM Users Manual. 2nd Edition: American Society for Photogrammetry and Remote Sensing (ASPRS). ISBN: 1-57083-082-7.
McCARTHY, D. D.; PETIT, G. (2004) IERS Conventions (2003): Technical Note No. 32. International Earth Rotation and Reference Systems Service (IERS), Frankfurt/Main ftp://tai.bipm.org/iers/conv2003/tn32.pdf (15.03.07).
MONTENBRUCK, O. (2005) Grundlagen der Ephemeridenrechnung. 7. Aufl.: Spektrum Akademischer Verlag. ISBN: 978-3827416025.
MOSCH, M. (2005) 3D-Gebäudeextraktion aus Satellitenbildern suburbaner Regionen. Albert-Ludwigs-Universität, Freiburg i. Brsg. www.freidok.uni-frei-burg.de/volltexte/2648/pdf/MoschQBExtraction.pdf (22.02.07).
Neubert, M. (2006) Bewertung, Verarbeitung und segmentbasierte Auswertung sehr hochauflösender Satellitenbilddaten: vor dem Hintergrund landschaftsplaneri-scher und landschaftsökologischer Anwendungen. Diss., TU Dresden.
NIKOLAKOPOULUS, K. G. (2004) Comparison of four different fusion techniques for IKONOS data. Paper presented at the IEEE Geoscience and Remote Sensing Symposium, IGARSS '04. http://ieeexplore.ieee.org/iel5/9436/29947/01369812.pdf (02.05.07).
NIMA (2000) Department of Defence World Geodetic System 1984. It's Definition and Relationships with Local Geodetic Systems (3). http://earth-info.nga.mil/GandG/publications/tr8350.2/wgs84fin.pdf (08.03.07).
NIMA (2004) Implementation of the World Geodetic System 1984 (WGS 84) - Refer-ence Frame G1150. http://earth-info.nga.mil/GandG/publications/tr8350.2/Addendum%20NIMA%20TR8350.2.pdf (25.02.07).
PANTZER, J. (2005) Auswertung der GPS-Messungen der Messkampagne 2004 in der Pampa von Nasca/Peru. unveröff. Diplomarbeit, HTW, Dresden.
RABUS, B.; EINEDER, M.; ROTH, A.; BAMLER, R. (2003) The Shuttle Radar Topo-graphy Mission (SRTM) A New Class of Digital Elevation Models Acquired by Spaceborne Radar. In: ISPRS Journal of Photogrammetry & Remote Sensing, 57, 241-262. http://elib.dlr.de/447/ (30.01.07).
Quellennachweis 116
REICHE, M. (1989) Geheimnis der Wüste/Mystery on the desert/Secreto de la Pampa. 7. Nasca/Peru: Selbstverlag Maria Reiche.
RICHTER, C.; TEICHERT, B. (2006) Das Rätsel in der Pampa. In: C. Rust (Hrsg.), Nasca - Korrespondenzen. 1. Auflage, S. 6-19. Bönen: Kettler Verlag, ISBN 3-937390-87-1
SAUERBIER, M. (2004) Accuracy of automated aerotriangulation and DTM generation for low textured imagery Paper presented at the XXth ISPRS Congress, Istanbul, Turkey. http://www.photogrammetry.ethz.ch/general/persons/martin/paper/sauerbier3.pdf (30.01.07).
SAUERBIER, M. (2006) Automated DTM generation for low texture images using multiple primitive multi-image Matching (MPM): . Paper presented at the ISPRS Commission 4 Symposium Goa/India. www.photogrammetry.ethz.ch/general/persons/martin/paper/comm4_paper.pdf (30.01.07).
SEFERCIK, U.; JACOBSEN, K. (2006) Analysis of SRTM Height Models. Paper pre-sented at the 5th International Symposium Turkish-German Joint Geodetic Days, Berlin. www.ipi.uni-hannover.de/html/publikationen/2006/paper/SRTM_Berlin.pdf (15.03.07).
SEIDELMANN, P. K. (1992) Explanatory Supplement to the Astronomical Almanac. University Science Books. ISBN: 978-0935702682
TEICHERT, B. (2007) Astronomical investigations of the Nasca lines. In: Dresdner Kartographische Schriften: Nasca Symposium 2006, to be published.
THOM, A. (2002) Megalith Lunar Observatories. Oxford University Press (UK). ISBN: 0-19-858132-7.
THOM, A. (2003) Megalithic sites in Britain. Oxford University Press (UK). ISBN: 978-0198131489
TOUTIN, T.; CHENG, P. (2001) Orthorectification and DEM Generation from high resolution satellite data. Paper presented at the 22nd Asian Conference on Remote Sensing, Singapore. www.crisp.nus.edu.sg/~acrs2001/pdf/070cheng.pdf (14.02.07).
USGS (2004). Seamless Shuttle Radar Topography Mission (SRTM) "Finished" 3 Arc Second (~90 meter). http://seamless.usgs.gov/website/seamless/products/srtm3arc.asp (12.05.07).
USGS (2006, 22.08.2006). Shuttle Radar Topography Mission (SRTM) - "Finished". http://edc.usgs.gov/products/elevation/srtmbil.html (17.05.07).
WILLNEFF, J.; POON, J.; FRASER, C. S. (2005) Single-image high-resolution satellite data for 3D information extraction. Paper presented at the ISPRS Workshop High-Resolution Earth Imaging for Geospatial Information, Hannover. www.isprs.org/publications/related/hannover05/paper/041-willneff.pdf (21.02.07).
WOODHOUSE, I. H. (2006) Introduction to Microwave Remote Sensing. Taylor & Francis, Boca Raton. ISBN: 0-415-27123-1.
ZEBHAUSER, B. (1999) Realisierungen von Bezugssystemen. M. Schneider, Mittei-lungen des Bundesamtes für Kartographie und Geodäsie, Frankfurt/Main www.fgg.uni-lj.si/~/mkuhar/Zalozba/Bezug_systeme.pdf (08.03.07).
Normen 117
Normen
DIN 18709-1: Begriffe, Kurzzeichen und Formelzeichen im Vermessungswesen. Teil 1:
Allgemeines (Okt. 1995) Deutsches Institut für Normung, Beuth Verlag
GmbH, Berlin
DIN 18709-4: Begriffe, Kurzzeichen und Formelzeichen im Vermessungswesen. Teil 4:
Ausgleichungsrechnung und Statistik (Jan. 1984) Deutsches Institut für
Normung, Beuth Verlag GmbH, Berlin
DIN 18716-1: Photogrammetrie und Fernerkundung. Teil 1: Grundbegriffe und beson-
dere Begriffe der photogrammetrischen Aufnahme (Nov. 1995) Deut-
sches Institut für Normung, Beuth Verlag GmbH, Berlin
DIN 18716-3: Photogrammetrie und Fernerkundung. Teil 3: Begriffe der Fernerkun-
dung (Juli1997) Deutsches Institut für Normung, Beuth Verlag GmbH,
Berlin
Verwendete Software 118
Verwendete Software
AllTrans 2.321 : Geodetic 3D- Transformations, © H.-G. Duenck-Kerst, www.allsat.de (06.05.2007) ArcGIS 9.1 : ©ESRI Inc.: www.esri.com/software/arcgis/index.html (06.05.2007) AutoCAD Map 3D 2006: ©Autodesk Inc. www.autodesk.de/adsk/servlet/index?siteID=403786&id=8902036 (06.05.2007) Autodesk Topobase 2.15: ©Autodesk Inc. www.autodesk.de/adsk/servlet/index?siteID=403786&id=6082940 (06.05.2007) ERDAS Imagine 9.1 : ©Leica Geosystems Geospatial Imaging (http://gi.leica-geosystems.com/ (06.05.2007) GeoTrans 2.4 (Nov. 2006): Geographic Translator des NGA, © National Geospatial-Intelligence Agency http://earth-info.nga.mil/GandG/geotrans/ (06.05.2007) Landserf 2.2 : ©Jo Wood, 1996-2005: www.soi.city.ac.uk/~jwo/landserf/ (06.05.2007) Leica Photogrammetry Suite (LPS) 9.1 Build 282 ©Leica Geosystems Geospatial Imaging http://gi.leica-geosystems.com/ (06.05.2007)) NGA EGM96 Geoid Calculator ©National Geospatial-Intelligence Agency (NGA) (Last modified June 16, 2006): http://earth-info.nga.mil/GandG/wgs84/gravitymod/egm96/intpt.html (06.05.2007) Geoid Height Calculator ©UNAVCO (Last modified 21-Jul-2006): http://sps.unavco.org/geoid/ (06.05.2007) SAGA (System for Automated Geoscientific Analyses) 1.2 (2002) und 2.0 (2006) ©SAGA Team Göttingen: www.saga-gis.uni-goettingen.de/ (06.05.2007) 3DEM 19.3: © Richard Horne, Visualization Software LLC www.visualizationsoftware.com/3dem.html (06.05.2007)
Datenquellen 119
Datenquellen
ESRI World Base Map http://arcdata.esri.com/data_downloader/DataDownloader?part=10200 (07.05.2007) Landsat Orthorectified ETM+ U.S. Geological Survey – Earth Explorer: EntityID: ELP006R070_7T20000426, Acquisition Date: 2000/04/26 http://edcsns17.cr.usgs.gov/EarthExplorer/ (07.05.2007) GTOPO30- Daten U.S. Geological Survey - Earth Resources Observation and Science (EROS): http://edc.usgs.gov/products/elevation/gtopo30/gtopo30.html (07.05.2007) SRTM-1 Daten Deutsches Zentrum für Luft- und Raumfahrt (DLR) - Deutsches Fernerkundungs- Datenzentrum (DFD): SRTM.X-SAR.DEM. OrderID: 2006-04-11T13.11.13.675, Volume 1/1, Production Date: 2006-4-25 SRTM-3 Daten NASA. LP DAAC: Version 2 vom 09. Juni 2005 ftp://e0srp01u.ecs.nasa.gov/srtm/version2/SRTM3/South_America/ (07.05.2007) Seamless Data Distribution System, Earth Resources Observation and Science (EROS): http://seamless.usgs.gov/website/Seamless/ (07.05.2007) CGIAR Consortium for Spatial Information (CSI): SRTM 90m Digital Elevation Data. Version 3: http://srtm.csi.cgiar.org/ (07.05.2007) SRTM-30 Daten NASA. LP DAAC: Version 2 vom 05. April 2006 ftp://e0srp01u.ecs.nasa.gov/srtm/version2/SRTM30/ (07.05.2007)
Anlagenverzeichnis 120
Anlagenverzeichnis
Anlage 1: Auszug aus den Metadaten der Ikonos- Szenen 121
Anlage 2: Blattübersicht der Katasterkarten 1 : 25.000 127
Anlage 3:Übersicht über die SRTM-1 Daten incl. HEM- Dateien 128
Anlage 4: Item Information Pool (W0750000S150000_SRTM_1.iip) - Auszug 129
Anlage 5:Histogramme zum Vergleich der GPS- Punkthöhen mit DGM- Höhen 130
Anlage 1 121
Anlage 1: Auszug aus den Metadaten der Ikonos- Szen en
Version Number: 1.2 Company Information Address Space Imaging 12076 Grant Street Thornton, Colorado 80241, U.S.A. Contact Information On the Web: http://www.spaceimaging.com Customer Service Phone (U.S.A.): 1.800.232.9037 Customer Service Phone (World Wide): 301.552.0537 Customer Service Fax (World Wide): 301.552.3762 Customer Service Email: [email protected] Customer Service Center hours of operation: Monday - Friday, 7:00am - 11:00pm Eastern Standard Time Product Order Metadata … Customer Project Name: Nazca Ground Station ID: PGS License Type: Single Organization License Option 1: 1 Company / Corporation: GAF Product Order Area (Geographic Coordinates) … Sensor Type: Satellite Sensor Name: IKONOS-2 Processing Level: Standard Geometrically Corrected Image Type: PAN/MSI Interpolation Method: Cubic Convolution Multispectral Algorithm: Projective Stereo: Mono Mosaic: No Map Projection: Universal Transverse Mercator UTM Specific Parameters Hemisphere: S Zone Number: 18 Datum: WGS84 Product Order Pixel Size: 1.0000000000 meters Product Order Map Units: meters MTFC Applied: Yes DRA Applied: No File Format: GeoTIFF TIFF Tiled: No Bits per Pixel per Band: 11 bits per pixel Multispectral Files: Separate Files
Anlage 1 122
Product Order Number: 159438 Source Image Metadata Number of Source Images: 1 Source Image ID: 2001062615172070000011617875 Product Image ID: 000 Sensor: IKONOS-2 Acquired Nominal GSD Cross Scan: 0.86 meters Along Scan: 0.90 meters Scan Azimuth: 180.01 degrees Scan Direction: Reverse Panchromatic TDI Mode: 13 Nominal Collection Azimuth: 19.8731 degrees Nominal Collection Elevation: 72.04422 degrees Sun Angle Azimuth: 34.7991 degrees Sun Angle Elevation: 43.91391 degrees Acquisition Date/Time: 2001-06-26 15:17 GMT Percent Cloud Cover: 0 Product Space Metadata Product MBR Geographic Coordinates Number of Coordinates: 4 Coordinate: 1 Latitude: -14.7531849850 degrees Longitude: -75.1437533212 degrees Coordinate: 2 Latitude: -14.6704107258 degrees Longitude: -75.1436991439 degrees Coordinate: 3 Latitude: -14.6704368273 degrees Longitude: -75.0922923513 degrees Coordinate: 4 Latitude: -14.7532112402 degrees Longitude: -75.0923271473 degrees Product Map Coordinates (in Map Units) UL Map X (Easting): 484527.85 meters UL Map Y (Northing): 8378122.61 meters Pixel Size X: 1.0000000000 meters Pixel Size Y: 1.0000000000 meters Product Order Map Units: meters Columns: 5536 pixels Rows: 9156 pixels Reference Height: 536.5074462891 meters Product Component Metadata Component ID: 0000000 Product Image ID: 000 Component File Name: po_159438_red_0000000.tif po_159438_grn_0000000.tif po_159438_blu_0000000.tif po_159438_nir_0000000.tif … ==============================================================
Anlage 1 123
Product Order Number: 159644
Source Image Metadata Number of Source Images: 3 Source Image ID: 2001062615174520000011617874 Product Image ID: 000 Sensor: IKONOS-2 Acquired Nominal GSD Cross Scan: 0.82 meters Along Scan: 0.82 meters Scan Azimuth: 180.01 degrees Scan Direction: Reverse Panchromatic TDI Mode: 13 Nominal Collection Azimuth: 46.4443 degrees Nominal Collection Elevation: 87.24905 degrees Sun Angle Azimuth: 34.6010 degrees Sun Angle Elevation: 44.02104 degrees Acquisition Date/Time: 2001-06-26 15:17 GMT Percent Cloud Cover: 0 Source Image ID: 2001062615172070000011617875 Product Image ID: 001 Sensor: IKONOS-2 Acquired Nominal GSD Cross Scan: 0.86 meters Along Scan: 0.90 meters Scan Azimuth: 180.01 degrees Scan Direction: Reverse Panchromatic TDI Mode: 13 Nominal Collection Azimuth: 19.8731 degrees Nominal Collection Elevation: 72.04422 degrees Sun Angle Azimuth: 34.7991 degrees Sun Angle Elevation: 43.91391 degrees Acquisition Date/Time: 2001-06-26 15:17 GMT Percent Cloud Cover: 0 Source Image ID: 2000080115185900000011605726 Product Image ID: 002 Sensor: IKONOS-2 Acquired Nominal GSD Cross Scan: 1.16 meters Along Scan: 0.97 meters Scan Azimuth: 179.98 degrees Scan Direction: Reverse Panchromatic TDI Mode: 13 Nominal Collection Azimuth: 264.0727 degrees Nominal Collection Elevation: 56.06464 degrees Sun Angle Azimuth: 40.0705 degrees Sun Angle Elevation: 48.11153 degrees Acquisition Date/Time: 2000-08-01 15:18 GMT Percent Cloud Cover: 0 Product Space Metadata Number of Image Components: 7 Product MBR Geographic Coordinates Number of Coordinates: 4 Coordinate: 1 Latitude: -14.8333556595 degrees Longitude: -75.1433333447 degrees Coordinate: 2 Latitude: -14.6909809335 degrees Longitude: -75.1432401099 degrees
Anlage 1 124
Coordinate: 3 Latitude: -14.6910063032 degrees Longitude: -74.9065049189 degrees Coordinate: 4 Latitude: -14.8333812859 degrees Longitude: -74.9064440630 degrees Product Map Coordinates (in Map Units) UL Map X (Easting): 484578.71 meters UL Map Y (Northing): 8375847.54 meters Pixel Size X: 1.0000000000 meters Pixel Size Y: 1.0000000000 meters Product Order Map Units: meters Columns: 25488 pixels Rows: 15748 pixels Reference Height: 756.9722900391 meters Product Component Metadata Number of Components: 7 Component ID: 0000000 Product Image ID: 000 Component File Name: po_159644_red_0000000.tif po_159644_grn_0000000.tif po_159644_blu_0000000.tif po_159644_nir_0000000.tif … Component ID: 0000001 Product Image ID: 000 Component File Name: po_159644_red_0000001.tif po_159644_grn_0000001.tif po_159644_blu_0000001.tif po_159644_nir_0000001.tif … Component ID: 0000002 Product Image ID: 000 Component File Name: po_159644_red_0000002.tif po_159644_grn_0000002.tif po_159644_blu_0000002.tif po_159644_nir_0000002.tif … Component ID: 0010000 Product Image ID: 001 Component File Name: po_159644_red_0010000.tif po_159644_grn_0010000.tif po_159644_blu_0010000.tif po_159644_nir_0010000.tif … Component ID: 0010001 Product Image ID: 001 Component File Name: po_159644_red_0010001.tif po_159644_grn_0010001.tif po_159644_blu_0010001.tif po_159644_nir_0010001.tif … Component ID: 0020000 Product Image ID: 002 Component File Name: po_159644_red_0020000.tif po_159644_grn_0020000.tif po_159644_blu_0020000.tif po_159644_nir_0020000.tif … Component ID: 0020001 Product Image ID: 002 Component File Name: po_159644_red_0020001.tif po_159644_grn_0020001.tif po_159644_blu_0020001.tif po_159644_nir_0020001.tif … =============================================================
Anlage 1 125
Product Order Number: 167580 Source Image Metadata Number of Source Images: 3 Source Image ID: 2001062615172070000011617875 Product Image ID: 000 Sensor: IKONOS-2 Acquired Nominal GSD Cross Scan: 0.86 meters Along Scan: 0.90 meters Scan Azimuth: 180.01 degrees Scan Direction: Reverse Panchromatic TDI Mode: 13 Nominal Collection Azimuth: 19.8731 degrees Nominal Collection Elevation: 72.04422 degrees Sun Angle Azimuth: 34.7991 degrees Sun Angle Elevation: 43.91391 degrees Acquisition Date/Time: 2001-06-26 15:17 GMT Percent Cloud Cover: 0 Source Image ID: 2000080115182850000011605724 Product Image ID: 001 Sensor: IKONOS-2 Acquired Nominal GSD Cross Scan: 1.08 meters Along Scan: 0.98 meters Scan Azimuth: 179.98 degrees Scan Direction: Reverse Panchromatic TDI Mode: 13 Nominal Collection Azimuth: 295.8129 degrees Nominal Collection Elevation: 58.20786 degrees Sun Angle Azimuth: 40.4531 degrees Sun Angle Elevation: 47.88911 degrees Acquisition Date/Time: 2000-08-01 15:18 GMT Percent Cloud Cover: 0 Source Image ID: 2001011515105400000011614251 Product Image ID: 002 Sensor: IKONOS-2 Acquired Nominal GSD Cross Scan: 0.86 meters Along Scan: 0.90 meters Scan Azimuth: 180.01 degrees Scan Direction: Reverse Panchromatic TDI Mode: 13 Nominal Collection Azimuth: 170.4125 degrees Nominal Collection Elevation: 72.89145 degrees Sun Angle Azimuth: 106.9303 degrees Sun Angle Elevation: 60.83793 degrees Acquisition Date/Time: 2001-01-15 15:10 GMT Percent Cloud Cover: 0
Anlage 1 126
Product Space Metadata Number of Image Components: 3 Product MBR Geographic Coordinates Number of Coordinates: 4 Coordinate: 1 Latitude: -14.8334300260 degrees Longitude: -75.2208492966 degrees Coordinate: 2 Latitude: -14.5691409900 degrees Longitude: -75.2205838500 degrees Coordinate: 3 Latitude: -14.5692268648 degrees Longitude: -75.0921491540 degrees Coordinate: 4 Latitude: -14.8335175271 degrees Longitude: -75.0922600455 degrees Product Map Coordinates (in Map Units) UL Map X (Easting): 476238.72 meters UL Map Y (Northing): 8389316.53 meters Pixel Size X: 1.0000000000 meters Pixel Size Y: 1.0000000000 meters Product Order Map Units: meters Columns: 13836 pixels Rows: 29232 pixels Reference Height: 476.9660949707 meters Product Component Metadata Number of Components: 3 Component ID: 0000000 Product Image ID: 000 Component File Name: po_167580_pan_0000000.tif po_167580_red_0000000.tif po_167580_grn_0000000.tif po_167580_blu_0000000.tif po_167580_nir_0000000.tif … Component ID: 0010000 Product Image ID: 001 Component File Name: po_167580_pan_0010000.tif po_167580_red_0010000.tif po_167580_grn_0010000.tif po_167580_blu_0010000.tif po_167580_nir_0010000.tif … Component ID: 0020000 Product Image ID: 002 Component File Name: po_167580_pan_0020000.tif po_167580_red_0020000.tif po_167580_grn_0020000.tif po_167580_blu_0020000.tif po_167580_nir_0020000.tif … ================================================================
Anlage 2 127
Anlage 2: Blattübersicht der Katasterkarten 1 : 25. 000
Anlage 3 128
Anlage 3:Übersicht über die SRTM-1 Daten incl. HEM- Dateien
W0750000S144500: Color Shaded DEM und Height Error Map (HEM)
W0750000S150000: Color Shaded DEM und Height Error Map (HEM)
W0751500S144500: Color Shaded DEM und Height Error Map (HEM)
W0751500S150000: Color Shaded DEM und Height Error Map (HEM)
Anlage 4 129
Anlage 4: Item Information Pool (W0750000S150000_SR TM_1.iip) - Auszug
# Item Information Pool: GeMoS Version 3.0.0, Status OPER # Pool-ID: W0750000S150000_SRTM_1.iip # Date: Tue Feb 17 13:55:57 2004 # Format: PPFMT1, V1.0 acquisition_period_start_time STR "2000-02-11T00:00:00.000000" acquisition_period_stop_time STR “2000-02-23T23:59:00.000000" average_height_error FLT_15 1.19609731000000E+01 average_terrain_height FLT_15 1.01152450900000E+03 cell_coverage FLT_15 1.00000000000000E+02 dem_data_availability STR "EXISTING" dem_data_file_name STR "W0750000S150000_SRTM_1_DEM.dt2" dem_data_file_size INT_32 1637842 dem_data_reliability STR "OPER" dem_identifier STR "W0750000S150000_SRTM_1" dem_quality STR "APPROVED" east_bounding_coordinate FLT_6 -7.47500E+01 gemos_processing_system_version STR "3.0.0" geoid_undulation INT_32 46 height_error_range FLT_15 9.10000000000000E+01 height_error_std_deviation FLT_15 1.30730229000000E+01 height_range FLT_15 1.81200000000000E+03 hem_account STR "dimspl" hem_availability STR "EXISTING" hem_file_name STR "W0750000S150000_SRTM_1_HEM.dt2" hem_file_size INT_32 1637842 hem_reliability STR "OPER" horizontal_datum_code STR "WG84" land_coverage FLT_15 1.00000000000000E+02 log_file_name STR "log.arc" maximal_height_error FLT_15 9.40000000000000E+01 maximal_terrain_height FLT_15 2.29400000000000E+03 minimal_height_error FLT_15 3.00000000000000E+00 minimal_terrain_height FLT_15 4.82000000000000E+02 no_of_invalids FLT_15 0.00000000000000E+00 north_bounding_coordinate FLT_6 -1.47500E+01 null_state_condition STR "-32767" number_of_latitude_points INT_16 901 number_of_longitude_points INT_16 901 ocean_coverage FLT_15 0.00000000000000E+00 pixel_spacing_easting FLT_15 2.77777777777778E-04 pixel_spacing_northing FLT_15 2.77777777777778E-04 pp_file_name STR "W0750000S150000_SRTM_1.iip" product_library_identifier STR "dims/op/pl/dfd" ql_dem_file_name STR "W0750000S150000_SRTM_1_DEM.jpg" ql_dem_file_size INT_32 129937 ql_hem_file_name STR "W0750000S150000_SRTM_1_HEM.jpg" ql_hem_file_size INT_32 89311 ql_null_state_condition STR "0" ql_number_of_latitude_points INT_16 90 ql_number_of_longitude_points INT_16 90 ql_pixel_spacing_easting FLT_15 2.77777777777778E-03 ql_pixel_spacing_northing FLT_15 2.77777777777778E-03 ql_reliability STR "OPER" ql_scaling_factor INT_16 10 region_id STR "earth" security_code STR "unclassified" south_bounding_coordinate FLT_6 -1.50000E+01 terrain_height_std_deviation FLT_15 3.88162233700000E+02 value_of_invalids FLT_15 -3.27670000000000E+04 vertical_datum_code STR "WG84" west_bounding_coordinate FLT_6 -7.50000E+01
Anlage 5 130
Anlage 5: Histogramme zum Vergleich der GPS- Punkth öhen mit DGM- Höhen
DGM25
DGM100
SRTM-3: HGT
SRTM-3: TIFF
SRTM-3: CGIAR CSI
SRTM-1: WGS84 (G873) SRTM-1: WGS84 (orig.)